本文以液压系统常用的液压阀（溢流阀、减压阀、调速阀）为研究对象，基于高阶累积量和高阶谱，采用小波、分形和神经网络等理论方法对液压阀的振动信号进行分析，实现液压阀的故障识别。　　 液压阀在正常与不同故障状态下工作时，其振动信号通过双谱分析谱图各有差异。正常状态和故障状态的双谱相比，在分布范围和谱峰多少均体现出不同的特性。双谱11/2维切片较双谱更具体更直观地表征液压阀故障信息的频率位置，且计算量也相对减少。两种谱分析方法均十分有效地对液压阀进行故障识别。在此基础上，以高阶累积量的耦合性质理论为依据，将采集的原始信号变换为复数信号，再通过复数高阶累积量的各种不同的耦合方式分析各种故障产生的结果，将正常信号和故障信号按照某种相同的耦合方式进行故障辨别，以此寻找最佳故障判别效果。由于小波方法是分析机械振动信号有力工具，因此本文通过小波进行特征提取，再利用BP网络和支持向量机进行故障诊断，并和实数信号相应结果进行对比，进而分析原因。本文通过上述研究方法，取得了如下研究成果:　　 1、由于双谱计算的复杂性，在实际应用中难以兼顾计算复杂性和实际应用需要之间的矛盾，因此文章提出一种双谱的不对称绘制方法，并用实例说明这种方法的意义。　　 2、分别对原始信号、AR功率谱、实数双谱对角切片的故障诊断效果进行对比，得出实数双谱对角切片优于AR功率谱，而AR功率谱又优于原始信号的结论，而这些结论和理论分析都是一致的。　　 3、对复数三阶累积量、复数双谱的各种不同耦合方式的故障诊断效果进行分析，并和实数双谱、实数三阶累积量的结果进行对比，得出在不同的耦合方式下，对于大多数故障，与实数状态的高阶累积量或者高阶谱相比，都能找到一种诊断正确率更高的方法的结论。　　 4、以容量维为工具，通过计算复数信号不同耦合方式下的各种切片的容量维数，再以计算出的容量维数进行故障判别，得出在某些故障形式下，复数形式切片的容量维数更有利于故障识别的结论。