液压系统在现代工业生产中起着越来越重要的作用,而液压泵作为液压系统的关键部件,对它的监控和评估对于保持整个液压系统的健康运行具有重要意义。本文以液压泵为研究对象,研究了液压泵劣化程度的评估方法。由于提取的液压泵振动信号不可避免地受到噪声的干扰。因此,对信号进行有效处理可以减轻噪声的干扰,增加诊断的可靠性。局部均值分解(LMD,Local Mean Decomposition)是一种新的信号处理方法,非常适合于液压泵的非平稳信号的处理。本文在详细地分析其分解原理的基础上,针对目前算法分解效率较低的问题,提出了一种改进的方法。其次,本文在针对隐马尔科夫模型用于评估问题时只是将待评估样本与正常阶段样本进行比对以及退化阶段的划分带有主观性的缺点,提出了基于隐马尔科夫模型的综合评估方法,并通过美国辛辛那提大学公布的轴承的全寿命数据验证了所提出方法的有效性。最后,在实验室人工模拟不同程度的轴向柱塞泵松靴故障和中心弹簧失效故障,通过使用局部均值分解方法对信号进行前期的处理,进而使用本文所提出的基于隐马尔科夫模型的综合评估方法对液压泵进行了劣化程度的评估,并与传统的隐马尔科夫模型进行对比,验证了本文所提出方法的有效性。