随着船舶自动化程度的不断提高，各种机械的运转速度与功率不断地增大，液压系统被广泛地应用到甲板机械、船舶机舱等船用装备上。作为船舶液压系统的重要动力部件，液压泵对于保障船舶液压系统的正常运行至关重要。然而，由于液压泵长时间在较为恶劣和复杂的环境下工作，液压泵可能会受到各种各样的损害从而产生一些故障；若液压泵出现故障而没有得到及时诊断与维护，严重可能会导致整个液压系统的发生瘫痪，从而会影响到整个船舶的正常航行。随着大数据与人工智能技术的飞速发展及在各行各业的广泛应用，运用大数据与人工智能技术对船用液压泵进行故障诊断具有十分重要的工程应用价值。
　　本文以液压泵为研究对象，通过分析液压泵的组成结构与特点，明确液压泵工作参数，研究液压泵的工作机理及其典型故障模式(如形变、磨损、腐蚀和疲劳)，开展液压泵故障模拟试验设计。接着，阐述数据驱动的液压泵故障诊断原理，对试验平台的液压泵监测数据进行异常值剔除、EEMD降噪及平滑等预处理。对经预处理后的监测数据分别进行基于统计分析的时域特征提取、基于功率谱的频域特征提取、以及基于CEEMDAN的时频域特征提取和基于AR模型的时序特征提取，得到能够大量能表现液压泵故障特点的特征集；在此基础上，通过基于斯皮尔曼系数的特征选择与基于主成分分析的特征融合技术得到能够表示液压泵故障状态的综合故障特征。最后，建立基于分位数回归神经网络的故障诊断模型，通过概率的高低来预测样本的故障类型，并且结合粒子群优化算法对模型参数进行寻优，提高故障诊断准确率。研究结果表明：本文提出的方法能够准确地识别船用液压泵故障类型，对不同的液压泵故障类型具有很好的识别效果。这对于实现船用液压泵的在线监测与故障诊断及维护有着重大的应用价值。