作为现代飞机上的重要系统之一,液压系统将直接影响飞行控制系统、起落架系统的运行可靠性。液压马达作为液压系统中重要的执行元件,一旦发生故障时液压马达的输出功率降低,将会导致输出功率不足以驱动负载正常工作,严重时甚至可能发生机毁人亡的事故。液压马达的内泄漏故障发生时不易被察觉,泄漏程度会不断缓慢地增大,为了避免由液压马达内泄漏而引起更大的事故,本文计划开展液压马达内泄漏故障预测研究。为了获取实际工作中液压马达内泄漏故障的系统状态参数用于故障预测的研究,本文计划搭建液压马达内泄漏故障模拟实验台,采用非破坏性的方式对液压马达内泄漏故障进行注入。在搭建物理实验平台之前,在AMESim仿真软件中建立带节流阀的液压马达内泄漏故障仿真模型,得到非破坏性故障注入下液压系统的状态仿真参数。再建立带泄漏子模型的仿真模型,利用泄漏子模型模拟由于磨损造成的液压马达内泄漏故障,得到液压系统状态仿真参数。通过对比两个仿真模型运行状态数据,分析二者间的对应关系,验证了非破坏性故障注入方式的可行性和合理性。在设计液压马达内泄漏故障模拟实验台时,依靠计算机辅助测试技术,确定了三个主要工作内容:液压系统的设计、数据采集系统的设计和控制系统的设计。设计出模拟实验台的液压回路后,依据设计工况,完成液压元件的选型。针对模拟实验台监测的参数,选择相应的数据采集卡和传感器。利用LabVIEW软件,设计了模拟实验台的数据采集、显示和存储程序,使得传感器采集到的数据可以通过数据采集卡发送到计算机进行显示和存储。通过控制系统可以实现对数据采集过程的控制,以及液压系统压力超限时对电磁换向阀和电动机的控制。通过传感器采集并存储到计算机中的数据是实验原始数据,对原始数据中的异常点予以剔除后,完成数据的预处理和汇总工作。本文采用基于模糊神经网络的故障预测方法对液压马达内泄漏故障进行预测研究。利用不同数量的实验数据对预测模型进行训练后,得到预测结果,并使用剩余数据对预测结果的准确性进行验证。对预测结果进行分析后,讨论了不同数量样本用于模型训练对故障预测精度的影响。在分析过程中发现数据波动较大的地方,相对误差较大。所以对实验数据进行拟合后,用同样的方式进行模型的训练并得到预测结果,分析拟合前后预测精度的差异。结果表明:用于模型训练的数据量越大,预测的精度越高;在数据拟合后只需将较少的数据用于模型训练就能达到相似的预测精度。