本书以液压传动系统的“动力心脏”——液压轴向柱塞泵为研究对象，融合数据挖掘、深度学习等智能科学，将机械故障诊断问题转化为时频特征图像智能分类识别问题，重点探究了连续小波变换、同步压缩小波变换、S变换、卷积神经网络、贝叶斯优化等基础理论与关键技术，提出多种将时频变换与改进卷积神经网络模型相融合的智能故障诊断方法。基于液压轴向柱塞泵的振动、声音、压力等多源异构信号，系统研究和分析了不同融合方法的诊断精度、鲁棒性及泛化能力,旨在为液压轴向柱塞泵的智能故障诊断与健康管理提供理论依据，提升液压轴向柱塞泵的