针对液压泵正常和

4 种球头松动故障，各选取 100 个样本，由于高度显著，说明这 4

组特征向量有十分明显的差异，故此类故障的不同故障程度是可以诊断的。

　　选择

BP 神经网络的结构，对液压泵正常和设置的 4 种球头松动故障在训练误差精度要

求下对网络进行训练，通过改进算法的学习和训练得到

BP 网络的优化权值矩阵。在实际使

用时，利用

BP 神经网络的权值矩阵及其改进算法实现多故障的有效诊断。其中输出节点 1

表示液压泵正常时神经网络的输出值，节点

2 表示间隙为 6μm 时神经网络的输出值，节点

3 表示间隙为 9μm 神经网络的输出值，节点 4 表示间隙为 12μm 时神经网络的输出值，节点
5 表示 15μm 时神经网络的输出值。

　　利用

BP 神经网络及其改进算法可以有效诊断不同间隙大小的球头松动故障。

　　

4、结论

　　本文通过液压泵出口的振动信号和压力信号，通过小波消噪处理有效提取故障特征，
利用

PCA 分析很大程度上减少了信息融合特征向量的维数，通过可诊断性检验证明 PCA

重新组合的特征向量可以实现多故障诊断。在

BP 算法中引人附加动量项，获得最优学习率，

通过改进

BP 算法实现不同间隙大小球头松动故障的有效诊断。