本文是东北大学设备诊断工程中心与东鞍山烧结厂针对大功率隔膜泵泵阀状态监测及故障诊断的实际需求，联合研发的一个实际项目。 往复式活塞隔膜泵是工业生产领域的重要机械设备之一，其运行状态的好坏直接关系着生产效率，因此，对其运行状态进行在线监测，实现设备的趋势预报与及时维修，避免过剩维修和维修不足是十分必要的。而泵阀作为隔膜泵的重要组成部分，其卡阀与泄漏故障时有发生，给生产带来了很大损失。因此，本文针对隔膜泵泵阀的卡阀故障展开了研究，给出了诊断结果。这项技术在国内大型隔膜泵研究中还寥寥无几，而且具有一定的经济意义。本文主要研究内容和成果如下： (1)以双缸双作用往复式隔膜泵的结构和工作原理为基础，对其运动规律进行了数学建模，并建立了振动微分方程。此外，分析了引起泵阀振动的主要激励源及泵阀的失效机理，阐述了内部激励源与表面振动响应信号之间的内在关系，论证了利用泵阀表面振动响应信号对其进行故障诊断的可行性。 (2)针对泵阀的结构特点，利用ANSYS有限元分析软件对阀箱体动态响应分析。对泵阀及管道实体建模，得出了在阀盘的冲击下，阀箱体上不同测点的位移及加速度响应情况。从理论上分析了传感器的最佳放置位置。此外，分析了阀箱体的几阶固有频率及振型。 (3)对采集到的泵阀表面振动信号进行了预处理、小波降噪、时域、幅域、频域及小波包分析，提取了卡阀的故障特征。试验信号分析表明：垂直方向的幅域参数尤其是脉冲因数和峰值因数两个指标可作为有力的辅助诊断参数；功率谱分析为以后的小波包频带分解技术提供了有力的依据，验证了用振动信号进行卡阀故障特征识别的可行性。利用小波包频带分解技术，可有效提取故障信号特征，实现卡阀故障的识别。 (4)为了将多种特征提取方法更加完美的结合在一起，使诊断的精度更加精确。本位采用神经网络进行故障提取，将幅域分析中的敏感参数和小波包频带分解技术相结合，一起作为网络的输入。这样可以充分的利用多种特征提取的结果，使诊断的精度大大提升。此外，利用神经网络还可以使诊断系统不断完善，具有极好的可扩充性，可以实现多种故障的识别与诊断。 (5)详细阐述了卡阀故障监测系统的软硬件实施方案，包括监测系统的组成，传感器的选择，数据采集卡的选择，采集软件的编制以及数据分析处理软件的编写。