随着液压技术的不断发展,液压系统在各种领域使用的频率不断增加,其功能也不断的增多,结构越来越复杂,相应的也增加了液压系统出现故障的可能性。液压泵属于连续工作元件,其结构比较复杂,容易发生故障,在近年的研究中,液压泵的故障诊断越来越受到人们的重视,随着新技术的出现,液压泵的故障诊断技术朝着自动化,智能化的方向发展,应用此类方法对液压泵进行有效地故障诊断是目前的研究热点。本文提出一种将神经网络理论和灰色理论结合的方法对泵的故障进行诊断。神经网络和灰色理论都是在故障诊断领域应用比较成熟的理论方法,将两种理论结合进行的研究也越来越多。本文将神经网络理论和灰色理论中的灰色关联度理论进行结合,应用Matlab软件的神经网络工具箱设计了一个自定义的灰色神经网络模型,对该网络的传输函数等属性进行自定义,使得该网络模型能够实现液压泵的未知故障模式和已知故障模式之间的灰色关联度并行计算,并且可以由网络计算结果判断出未知故障模式的故障类型,直接将诊断结果进行输出。本文基于材料试验机的液压油源系统,以轴向柱塞泵为对象,进行状态监测并对泵在多种工作状态下端盖部位的振动加速度信号进行采集,应用小波理论和Hilbert变换方法对信号进行处理,提取幅值域和时频域的特征向量,以特征向量作为灰色神经网络模型的输入,对此类泵的几种典型故障进行诊断,并通过Matlab软件进行仿真,证明了灰色神经网络故障诊断新方法的有效性。