轴向柱塞泵广泛应用于各种液压系统中,随着液压泵向着高速高压方向的发展,空化现象成为制约轴向柱塞泵性能的关键因素。轻度的空化引起液压泵机械性能下降、振动的恶化,并导致泵内产生空蚀破坏;严重的空化就会导致机构的毁坏甚至引发机毁人伤的灾难性后果。揭示空化机理并实现对空化状态的有效检测一直以来都是学术界和工程界研究的重点和难点。目前,空化理论研究虽已取得一些成果但仍处于探索中,以油液为传输介质的液压泵空化研究依然处于摸索阶段,还不能为工程实践提供可靠依据。本文以轴向柱塞泵为研究对象,从理论分析和实验研究两方面入手,对该类型泵的空化演变过程、空化外特性和空化状态检测方法等方面进行了系统的研究,主要工作与取得的成果如下:(1)了解轴向柱塞泵结构,分析空化过程。首先,结合轴向柱塞泵内流体运动规律从空化理论入手,从微观角度详细阐述了轴向柱塞泵空化现象发生的整个过程;其次,根据空泡动力学建立了空化气泡演变过程的数学模型,从微观角度认识了空化过程;最后,根据理论分析,设计并搭建轴向柱塞泵空化实验研究系统。(2)轴向柱塞泵空化状态外特性分析研究。本文依照空化性能分析,信号分析和摄像法分析相结合的柱塞泵空化研究思路,利用Lab VIEW数据采集系统采集不同空化状态的空化振动信号、出口流量信号和出口压力信号,高速摄像机同步采集进油口气泡的数量和分布等油液状态细节信息,对轴向柱塞泵空化进行了较为全面的测量。对比分析进油口油液状态的细节信息,从空泡形态特征的角度提出了轴向柱塞泵空化初生临界判断依据,获得了空化初生、发展和严重阶段的空化流特性,并结合空化性能曲线将轴向柱塞泵空化状态按照严重程度划分为正常状态、空化发展状态和空化严重状态。用现代信号分析方法对比轴向柱塞泵外特性随空化状态变化的规律,分析的结果可以作为空化状态检测的有效依据,为实现空化状态检测提供有益参考。(3)基于超限学习机(Extreme Learning Machine,ELM)的轴向柱塞泵空化状态检测方法研究。针对目前柱塞泵空化状态检测相关研究少,且在研究过程中存在空化信号弱、特征提取难和检测准确度低等问题,提出了空化状态智能检测方法。首先,采集各工况三种空化状态下的外特性信息。其次,提取不同信号的各类特征,经降维、融合和归一化后作为ELM智能检测模型的输入,实现对轴向柱塞泵空化状态的高准确度检测。最后,将ELM的测试结果与BP神经网络和随机森林(RF)的输出结果进行对比,结果表明ELM模型检测轴向柱塞泵空化状态更具有优势。