轴向柱塞泵作为液压系统的动力源,它的运行状态直接决定整个液压系统的运行状态,有必要对其运行可靠性进行研究。由于轴向柱塞泵振动信号中会含有噪声信号,以往针对其信号降噪和特征提取过程的信号处理方法并不理想;另外传统的可靠性评估模型中依赖大量的失效样本,导致不能实现对泵的运行状态进行实时评估,对微弱故障开始产生的判断不精确。因此,本文提出了基于小波包分解-RCMDE和FSVDD的轴向柱塞泵运行可靠性评估方法。首先,在数据采集方面,搭建了轴向柱塞泵故障研究实验台,并人为磨损相关元件,从而形成不同类型下不同严重程度的故障,通过采集设备获取各故障下的振动信号,为本文所提方法的研究提供了实验数据。其次,针对加速度传感器采集的振动信号中会含有噪声及其他无用信息,采用基于小波包分解的降噪方法。该方法使用小波包对原始信号进行分解,然后根据分解后各频段信号能量占比,将能量集中的频段进行重构,从而达到降噪目的。进而,在特征提取环节中,采用精细复合多尺度散布熵算法计算各信号熵值。由于该算法中参数嵌入维度m和类别个数c对熵值计算影响较大,将樽海鞘算法对该参数进行优化,随后将最优参数组合代入到经过小波包分解后依据能量占比重构的信号中,计算相对应的精细复合多尺度散布熵值来完成信号特征提取。最后,采用模糊支持向量数据描述方法对正常状态下的样本训练评估模型,将各测试样本输入模型中,利用归一化评估参数可靠度计算公式完成各个测试样本的运行可靠性评估。将所提方法应用于本实验台采集的轴向柱塞泵不同严重程度滑靴磨损故障数据和复合故障数据,所得结果验证了本文方法的有效性。