液压泵是液压系统的心脏，其故障诊断是液压系统故障诊断的重要部分。由于流体的压缩性、泵源与伺服系统的流固耦合作用及液压泵本身具有大幅度的固有机械振动，使得液压泵的故障机理复杂，故障特征提取困难，故障诊断的模糊性强。大量的液压泵故障诊断数据表明，通过泵源出口检测到的故障信号常被干扰信号淹没，单一故障检测信号常呈现出强的模糊性，采用常规的信号处理方法难以提升有效的故障特征。
　　针对柱塞泵球头松动故障模式，通过在液压泵出口配置振动传感器和压力传感器进行故障检测，通过小波分析进行信号消噪处理，利用主成分分析提取有效融合信息，采用改进算法的BP神经网络实现液压泵微弱信号或多故障的有效诊断。
　　1、液压泵球头松动故障机理分析
　　由于制造误差或液压泵在工作过程中的压力冲击，常常使柱塞球头与球窝沉凹变形使球头与球窝间隙增大，从而产生柱塞球头松动的故障。
　　2、小波信号消噪处理
　　液压泵的工作环境一般比较恶劣，其工况受环境的影响较大，通常在泵出口检测到的信号含有很大的噪声。试验表明，液压泵出口检测到的压力信号和振动信号体现出以下特点：①信号的频谱分布很宽、波形杂乱，规律性差；②时变与非平稳性表现明显。因此，基于这两种信号的故障特征提取非常困难，有必要对检测的信号进行消噪处理。小波分析是目前较有效的信号处理方法，它可以同时在时域和频域中对信号进行分析，能有效地区分信号中的突变部分和噪声，实现信号的消噪。
　　泵出口振动信号及其小波消噪后的信号，选取小波消噪的全局阈值为1.049。很明显，检测信号中包含了许多干扰信号，很难简单地利用检测到的振动信号进行有效的故障诊断。为了消除干扰影响，经过小波处理，可以有效地消除泵出口振动信号中所包含的噪声，有利于故障特征的提取。
　　3、信息融合故障诊断方法
　　信息融合是将多源信息加以智能合成，产生比单一信息源更精确、容错性和鲁棒性更强的估计和判断‘2’。由于液压泵出口检测到的信息微弱，易于被干扰所淹没，很难利用单个传感器的检测信号进行微弱故障特征的有效诊断。采用的信息融合故障诊断过程，即将振动信号和压力信号进行小波消噪处理，利用统计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间的相关性，减少故障特征的维数，采用改进算法的BP神经网络实现液压泵球头松动故障诊断。