聚丙烯（PP）主绝缘电缆正逐渐发展成电力电缆的重要组成部分,其使用寿命受到多种老化因素的影响。目前,对于电缆绝缘寿命的研究方法主要为电热老化试验,选取合适的寿命终点并以材料老化过程中体现出的理化性能衰退作为评估寿命依据。但是常规的老化试验存在耗时长、过程繁琐、获得试验数据分散性较大的问题。近年来,相关领域学者对智能算法的研究证实了人工神经网络（ANN）可以很好的拟合分散性较大的寿命试验数据,ANN独特的径向逼近全局寻优能力为电缆绝缘的寿命预测提供了新的方向。本文以两种型号PP电缆料为原材料进行试验并对比分析,利用差示扫描量热仪进行热氧老化试验,研究了在高热应力条件下PP的氧化诱导期变化特性;利用恒定电压、逐步、逐级升压试验研究了PP的电老化特性;使用了Python编程来处理电老化试验的数据;以老化试验的数据为基础,使用Matlab建立LMBP神经网络寿命预测模型,并采用贝叶斯正则化法则对其权重校正过程进一步优化,得出更加具有实际应用意义的PP绝缘寿命预测模型,为聚丙烯绝缘电缆寿命评估提供参考依据。通过热氧老化试验获得PP在不同温度下相应的氧化诱导期,基于Arrhenius公式外推得到材料的温度-寿命模型,发现加速应力下聚丙烯老化的活化能大小不变,验证了试验及预测模型的可靠性;通过恒定电压、逐步、逐级升压加速试验获得聚丙烯老化数据,得出PP6型聚丙烯绝缘材料的寿命指数n值为12.5,PPS为12.9,利用最小二乘法对老化数据配线,验证了三种加速电老化试验所得n值的可靠性,确定了聚丙烯电老化寿命模型并得到相应寿命预测曲线,预测结果表明在较高工作场强下PPS型聚丙烯的电老化寿命低于PP6,推断两种PP电缆料存在阈值场强并且PP6型聚丙烯更适用于较高工作场强;以BP神经网络为基础架构,提取影响聚丙烯绝缘老化的参量作为特征量,采用LM算法提高网络精度建立三层神经网络,确定了合适的建模参数。经贝叶斯正则化优化LMBP神经网络的权值校正过程后,网络收敛速度提高、输出误差降低、泛化能力更强,预测值具有更高的准确度。结果表明网络更适用于较低的工作场强下的预测,预测结果拟合相关系数达到0.98。对比网络预测寿命与加速试验结果发现,网络预测值大于加速电老化试验所评估寿命。认为由于神经网络将绝缘厚度作为特征量参与到了寿命评估中,不同厚度的绝缘材料内部存在的杂质、缺陷、气孔存在差异,相比之下将绝缘厚度也考虑为影响因素的神经网络预测结果更符合实际。