往复泵是工程中广泛应用的一种机械设备。由于其结构复杂,激励源多,对其实施故障诊断比较困难,尽管取得了一些研究成果,但还有许多问题需要解决。目前,往复泵泵阀故障诊断需要解决的两个关键的问题是如何有效提取往复泵工作时非平稳时变信号中的故障特征和准确判断故障类型。本文在吸取前人研究成果的基础上,结合实际,并根据往复泵泵阀振动信号的非平稳特性,提取了其故障特征,引入了智能诊断方法,较好地解决了往复泵泵阀的故障诊断。本文以常见的振动信号作为系统特征信号来提取故障特征向量。这种方法的优点是信号测取方便、处理简单。然后,对测取的各种泵阀状态的振动信号利用时域分析、小波包分析技术提取故障特征,各故障之间的特征区分明显,充分验证了此方法的有效性。为了提高诊断的准确率,将时域分析与小波包分析的结果融合在一起,构造故障特征向量。同时,本文还构造了三层的前向神经网络,以提取的故障特征向量作为网络的训练样本数据,对神经网络进行训练,并采用试验的方法调整神经网络的初始值。在确定了神经网络的结构和参数后,经检验数据验证训练后的神经网络所得的网络结构和参数是合理的。通过使用该神经网络进行诊断,结果表明该方法能提高往复泵泵阀故障的诊断率。