齿轮泵的运行状态与整个系统甚至整台机械设备的运行息息相关,在传统的液压系统中,外啮合齿轮泵由于其经济耐用的特性得到广泛的应用,在工程机械,农业机械甚至航天机械均发挥着及其重要的作用。所以对外啮合齿轮泵可靠性寿命的预测评估显得尤为重要。外啮合齿轮泵的健康状态和寿命信息均可通过调制后的振动信号得到表征,由于齿轮泵内部复杂的机械结构导致齿轮泵的振动信号调制方式复杂,大量的有效信息被噪声淹没,使得振动信号非线性的特点使对外啮合齿轮泵状态的深入挖掘变得困难。为了更深入地挖掘外啮合齿轮泵振动信号中蕴含的状态和寿命信息,准确地实现对外啮合齿轮泵寿命的预测和可靠性评估,本文首先构建了齿轮泵内部受力模型,基于润滑和磨损理论,深入分析了外啮合齿轮泵的磨损和退化原理,并以本课题研发设计的加速退化试验数据为基础,基于改进的集合经验模态分解(MEEMD)方法和两指标欧式距离筛选法则对振动数据进行多尺度重构降噪,实现振动数据的调制解调。然后基于模拟的振动信号,综合对比传统经验模态分解(EMD)和集合经验模态分解(EEMD)的重构降噪效果,验证得到MEEMD方法降噪方法相对于EMD和EEMD方法的优越性。其次,详细分析了振动信号的各项特征,并从时域、频域和时频域的角度入手探讨了多种基于振动数据的特征提取方式。提取振动信号的峭度、小波包能量以及均方频率,基于核主元(KPCA)方法实现了外啮合齿轮泵的多特征融合,增加了识别网络输入空间的鲁棒性。其次对融合后的特征成分进行平滑处理,完成了外啮合齿轮泵退化评估指标的建立。随后,使用齿轮泵退化评估指标对自适应模糊神经网络(ANFIS)进行训练,并将得到的齿轮泵退化评估模型分别对失效和未失效样本进行剩余寿命预测。首次将ANFIS方法运用于液压外啮合齿轮泵的寿命预测领域并取得了较好的预测结果,验证了该方法的可行性。最后,基于逆距估计法和蒙特卡罗样本扩充方法实现了该型号外啮合齿轮泵在步进应力加速退化试验条件下的可靠性评估。本课题提出的方法深入研究了单台齿轮泵的剩余寿命预测问题,实现了特定型号齿轮泵的总体寿命评估,为寿命预测和评估提供了新的方向和思路。