往复机械广泛应用于各工业领域,对其进行故障诊断研究是目前国内外的研究热点之一。人们对往复机械故障诊断开展了许多研究,但由于其结构复杂、激励源多,对其实施故障诊断较困难,使其总体水平较低,这与生产中应用现状是及其不相符的。因此有必要加强开展往复机械故障诊断的研究。本文以隔膜泵为例,采用碰撞——分离二状态接触力模型建立了往复机械磨损故障动力学模型,并采用龙格库塔法对隔膜泵磨损故障动力学方程进行了数值求解,研究了不同参数下滑块的动态响应,并绘制了Poincare映射图,证明了出现磨损时的运动为混沌运动。同时在此基础上,针对往复机械故障诊断存在的难题,并结合分形和混沌理论的特点,分别以关联维数和李亚普诺夫指数为特征向量研究了往复机械的故障诊断方法。以隔膜泵为例,对三种不同的磨损仿真信号进行了分析,通过方法计算出每种信号的关联维数,采用Wolf方法计算出每种信号的李亚普诺夫指数,从计算结果可以看出,不同故障时的关联维数和李亚普诺夫指数不同,从而可以判断不同状态时的故障类型,达到故障诊断的目的,证明了该方法应用于往复机械的故障诊断具有较好的效果。设备故障诊断技术的另一发展方向为与最新信号处理方法和现代智能方法相融合。本文引入EMD(经验模态分解)技术,AR模型以及RBF网络模型,研究了基于EMD-AR模型的RBF网络故障诊断方法。并以往复式空气压缩机的滚动轴承四种不同状态下的信号为例,采用上述方法,通过EMD技术对信号进行分解,获得平稳的IMF分量,再对每一个IMF分量建立AR模型,以AR模型参数为神经网络的输入,以其状态编码为神经网络的输出,训练网络。然后采用测试数据输入网络,将输出结果通过判断规则,确定工作状态。结果表明,该方法能够正确识别不同的工作状态,用该方法进行故障诊断是有效的,为故障诊断提供了一种新的思路。