液壓泵是液壓系統的心臟，其故障診斷是液壓系統故障診斷的重要部分。由于流體的壓縮性、泵源與伺服系統的流固耦合作用及液壓泵本身具有大幅度的固有機械振動，使得液壓泵的故障機理復雜，故障特征提取困難，故障診斷的模糊性強。大量的液壓泵故障診斷數據表明，通過泵源出口檢測到的故障信號常被干擾信號淹沒，單一故障檢測信號常呈現出強的模糊性，采用常規的信號處理方法難以提升有效的故障特征。
針對柱塞泵球頭松動故障模式，通過在液壓泵出口配置振動傳感器和壓力傳感器進行故障檢測，通過小波分析進行信號消噪處理，利用主成分分析提取有效融合信息，采用改進算法的BP神經網絡實現液壓泵微弱信號或多故障的有效診斷。

1、液壓泵球頭松動故障機理分析
由于制造誤差或液壓泵在工作過程中的壓力沖擊，常常使柱塞球頭與球窩沉凹變形使球頭與球窩間隙增大，從而產生柱塞球頭松動的故障。
2、小波信號消噪處理
液壓泵的工作環境一般比較惡劣，其工況受環境的影響較大，通常在泵出口檢測到的信號含有很大的噪聲。試驗表明，液壓泵出口檢測到的壓力信號和振動信號體現出以下特點：①信號的頻譜分布很寬、波形雜亂，規律性差；②時變與非平穩性表現明顯。因此，基于這兩種信號的故障特征提取非常困難，有必要對檢測的信號進行消噪處理。小波分析是目前較有效的信號處理方法，它可以同時在時域和頻域中對信號進行分析，能有效地區分信號中的突變部分和噪聲，實現信號的消噪。
泵出口振動信號及其小波消噪后的信號，選取小波消噪的全局閾值為1.049。很明顯，檢測信號中包含了許多干擾信號，很難簡單地利用檢測到的振動信號進行有效的故障診斷。為了消除干擾影響，經過小波處理，可以有效地消除泵出口振動信號中所包含的噪聲，有利于故障特征的提取。
3、信息融合故障診斷方法
信息融合是將多源信息加以智能合成，產生比單一信息源更精確、容錯性和魯棒性更強的估計和判斷‘2’。由于液壓泵出口檢測到的信息微弱，易于被干擾所淹沒，很難利用單個傳感器的檢測信號進行微弱故障特征的有效診斷。采用的信息融合故障診斷過程，即將振動信號和壓力信號進行小波消噪處理，利用統計分析提取有效特征信息，采用主成分分析有效解耦各故障特征間的相關性，減少故障特征的維數，采用改進算法的BP神經網絡實現液壓泵球頭松動故障診斷。