齿轮泵作为一种典型的液压泵,在工程机械、行走机械、船舶和航空航天等领域发挥着非常大的作用,为保证齿轮泵工作在正常状态下,对其进行寿命预测就显得尤为重要,但是传统的全周期寿命试验方法存在试验时间长、消耗资本大等缺点,因此,本文对齿轮泵的加速寿命试验方法进行了研究。磨损机理与加速试验方法研究。本论文介绍了外啮合齿轮泵的特点及工作原理,对其磨损退化机理进行了分析,得出了影响其寿命的主要退化机理。同时介绍了齿轮泵加速寿命试验方法,设计并搭建了加速寿命试验台。信号降噪与重构研究。基于仿真信号,利用变分模态分解方法(VMD)对其进行降噪与重构分析,并与集合经验模态分解方法(EEMD)和改进的集合经验模态分解方法(MEEMD)进行了比较分析,证明了VMD方法降噪在本文的适用性。退化融合指标提取。以本试验所得到的齿轮泵数据为基础,首先运用VMD-Hilbert对其进行降噪处理,然后进行基于时域、频域、时频域特征参数的退化性能指标提取,运用因子分析的方法对多特征参数进行融合与降维,得到齿轮泵的退化融合指标,为增加其鲁棒性,利用霍尔特双参数线性指数平滑法对退化融合指标进行平滑处理,实现退化融合指标的准确预测。寿命预测。利用贝叶斯正则化径向基函数神经网络(Trainbr-RBFNN)对齿轮泵寿命进行预测,预测前需要对该网络模型进行训练,训练数据为齿轮泵的退化融合指标和输出流量;利用训练好的模型,将测试数据代入该模型,并通过模型内部的复杂运算得到输入特征向量的预测结果。利用时间折算公式将齿轮泵加速应力下的寿命时间折算到正常应力下,得到其正常应力下的实际寿命时间与预测寿命时间,表明Trainbr-RBFNN对剩余寿命预测的准确性。