混凝土泵车具有灵活机动、工作效率高、浇注质量好等优点,在基础设施建设和国民经济发展中发挥了重要作用。然而,由于工作环境恶劣,维护保养体系落后,经常会出现各种故障,严重影响建设项目进度及人民生命财产安全。泵送液压系统作为混凝土泵车的核心部分,是一个高度耦合的非线性系统,各回路之间相互干涉,各主要组成元件的失效形式、故障机理复杂多样,故障特征信息提取和故障模式识别困难。这些使得常规的信号处理方法和故障诊断方法难以精确地对其故障进行诊断。本论文在国家高技术研究发展计划(863计划)重点项目“工程机械远程维护及监控系统”(2008AA0428)的资助下,针对混凝土泵车施工中存在的安全问题,围绕混凝土泵车泵送液压系统容易引发故障的关键部件及系统,以理论研究、仿真建模、实验分析和原型验证为研究手段,针对混凝土泵车泵送液压系统故障诊断中的关键技术问题——故障推理机制、故障特征提取和故障模式识别等进行了研究。主要工作包括以下几个方面：1.对混凝土泵车泵送液压系统的常见故障进行了统计分析,建立了泵送液压系统的仿真模型并进行了动态特性分析,对泵送液压系统的动态特性进行了实验研究,制订了混凝土泵车泵送液压系统的故障诊断策略。2.针对混凝土泵车泵送液压系统结构复杂,故障发生概率、故障机理和故障程度具有模糊性的特点,提出了基于T-S模糊故障树的诊断方法。将该方法运用到了混凝土泵车泵送液压液压系统的故障诊断中,取得了较好的效果。3.针对柱塞泵故障机理复杂、故障特征提取困难的问题,提出了基于Hilbert-Huang变换(HHT)和包络谱分析的诊断方法。即首先将振动信号进行经验模式分解(EMD),然后将其分解为有限的固有模式函数(IMF)之和,最对前三个IMF进行包络谱分析。该方法有效提取了柱塞泵的故障特征,实现了常见故障的检测。4.针对柱塞泵故障诊断时利用单一信息源诊断精度和可靠性不高的问题,提出了一种基于HHT与PSO-SVM的柱塞泵信息融合智能诊断方法。即首先对振动信号进行HHT后提特征参数,提取压力信号的时域特征参数,再进行特征融合后将特征向量输入到SVM中进行故障的识别,并用PSO对SVM的两个核心参数进行优化。该方法有效实现了柱塞泵包括复合故障模式在内的智能诊断。5.提出了一个新的反映特征敏感性的概念——分类清晰度和一种新的特征提取方法——CD-PCA。即首先提取时域、频域等常见的特征参数,再利用分类清晰度对敏感特征参数进行选择,然后运用PCA提取敏感特征参数的主成分作为最终的特征参数,该方法可以有效筛选敏感特征并消除了它们之间的相关性。通过实验验证了该方法在泵送油缸泄漏故障特征提取中的有效性。6.应用MATLAB语言开发了混凝土泵车泵送液压系统故障诊断原型系统,验证了上述方法和理论的有效性。