随着机械设备朝着精密化、复杂化和高度集成自动化方向不断发展,设备的可靠、稳定运行对工业生产具有重要的意义。水泵机组作为部分工业生产过程中的核心关键设备,已广泛应用于核电、石油化工、水电等领域。一旦水泵出现故障,轻则降低生产效率,重则造成经济损失,甚至出现危及生命财产安全的恶性事故。因而,监测水泵运行状态,对其故障先兆进行及时诊断,对提高水泵设备运行可靠性具有重要理论意义和工程实用价值。　　 论文引入小波变换和Lipschitz指数信号分析方法,提出一种Lipschitz指数与支持向量机(SVM)相结合的水泵故障诊断措施。针对水泵振动信号快速采集的需要,利用示波器高速数据采集电路设计原理,采用先入先出(FIFO)数据缓存器与模数转换器相结合的方案,设计了水泵振动信号快速采集电路。在进一步研究中,采用小波变换模极大值(WTMM)分析信号奇异性,并根据WTMM与Lipschitz指数之间的关系计算信号Lipschitz指数,利用信号Lipschitz指数值和奇异点位置分析信号特征值。论文提出以信号Lipschitz指数均值与方差,相邻奇异点时间间隔均值与方差作为SVM输入参数向量,构造了水泵故障诊断样本集,利用SVM模型建立方法,训练得到了水泵故障诊断模型,解决水泵故障诊断样本缺乏问题。　　 本文设计一套基于MMA7260和TFMS320F2812的水泵振动信号采集系统,实现水泵振动信号低电压、低成本和高速度采集。运用自行研制的水泵振动信号采集系统,分别采集水泵正常运行、轻微和严重不平衡、支座轻微和严重松动以及绕组发热六种水泵运行状态下的大量数据。利用WTMM和Lipschitz指数分析了六种状态下的信号奇异性和Lipschitz指数值,分别计算信号特征值,通过对比分析同一水泵相同运行状态下多组振动信号的特征值,验证其重复性。根据水泵振动信号的样本集,对四种常用核函数和三种数据归一化方式进行逐一分析,优化选择出高斯径向基(RBF)核函数及归一化方式。利用交叉验证思想选取最优SVM参数,建立SVM水泵故障诊断模型。对上述六种运行状态进行故障诊断实验研究,结果表明:Lipschitz指数和SVM相结合的方法可有效诊断出水泵故障类型和故障的严重程度,为水泵故障诊断提供了一种有效方法,该方法同样也适用于其它旋转机械设备故障诊断。