随着科学技术的发展,可靠性研究成为一个热点领域。军用装备的可靠性直接关系到我国的国防建设,液压元件是军用装备中的重要部件,研究液压元件的剩余使用寿命对于提高整个系统的可靠性具有重要意义。本文致力于对液压泵的剩余使用寿命进行预测,主要研究包括:(1)研究了液压泵的失效机理,液压泵的主要失效模式是油液污染颗粒引起的磨损失效。分析了液压泵磨损寿命的影响因素,给出了这些影响因素所占的比重,试验中通过调控各影响因素可以模拟液压泵的实际工况。设计并搭建了液压泵的磨损试验台,提出了基本的试验流程,为液压泵剩余使用寿命的研究提供试验数据。(2)本文展示了现有的基于隐半马尔可夫模型的剩余寿命预测理论,并提出了一种基于观测序列预测和状态识别的剩余寿命预测模型。首先,采用一种遗传算法和神经网络的组合模型,用于对观测序列的预测,将来时刻的观测序列可以用于识别临近的状态转折点,这使得每一个观测点都有唯一的剩余使用寿命。另外,提出了一种改进的序贯重要性重抽样方法,该方法结合隐半马尔可夫模型的模型参数,可以实现状态识别功能,结果证明这种方法有较高的识别精度。(3)采用一种遗传算法和神经网络的组合模型用于观测序列的预测。遗传算法的全局搜索能力,可以确定神经网络的最优参数。本文主要是通过遗传算法确定神经网络模型的学习效率和动量系数,以发挥神经网络的最大性能。(4)提出了一种用于状态识别的改进的序贯重要重抽样算法。序贯重要性重抽样算法是基于马尔可夫过程的,但这不适用于隐半马尔可夫模型。故本文在序贯重要性重采样算法的重要概率分布中,引入了状态驻留概率,很好地解决了该问题。(5)以液压齿轮泵为研究对象,进行了观测量的预测、健康状态的识别以及剩余寿命的预测。结果表明,遗传算法和神经网络的组合模型对观测序列的预测具有良好的性能,基于改进的序贯重要性重抽样算法的状态识别精度要高于基于隐半马尔可夫模型库的方法,基于观测序列预测和状态识别的剩余寿命预测模型可以实现对剩余寿命的预测功能且具有良好的预测性能。