液压传动与控制技术在国民经济中的应用日益广泛,为保障设备可靠运行、提高工作效率,对液压系统进行状态监测与故障诊断技术的研究有着重要意义。由于液压系统的应用场景复杂,特别是在高频领域的应用中,系统的状态信号通常受多种因素干扰,呈现非平稳性,采集值会偏离真实值,难以对其实施有效的状态监测。另一方面,液压系统是结构复杂多样的机、电、液的综合系统,其故障具有发生点隐蔽、因果关系交错、差异性大等特点。往往一种故障模式将对应多个信号特征,难以获取通用的理论故障特征,现有的诊断方法难以有效的检测液压系统故障。因此,发展针对液压系统有效的状态监测与识别方法具有重要的意义。本文提出一种高通滤波增强集合经验模式分解的状态监测方法用于液压系统状态监测;此外,提出一种基于DSm理论的混合智能故障诊断方法,该方法成功诊断出液压阀中的12类故障类型及其发生位置。论文的主要工作及研究内容如下:针对液压系统状态信号易受多种因素干扰而呈现非平稳特性的问题,本文提出一种高通滤波增强集合经验模态分解的液压系统状态监测方法。为验证所提方法的有效性,本文试制了一款高频液压振动台用于实验研究。在实验研究中,首先,利用高通滤波除去一些可知的噪声成分,再利用集合经验模态分解对信号进一步分解获得抗干扰的状态反馈信号。针对液压系统中故障机理不明确,难以获得故障理论特征的问题,提出了一种基于DSm理论的混合智能故障诊断方法。该方法能通过数据自动学习故障特征,克服了需要先验故障知识的不足。为验证所提方法的有效性,设计了液压阀故障试验台进行实验研究,研究结果表明,12种液压阀的故障分类正确率约为98.1%,远优于其它方法。