电动舵机是直升机中必不可少的姿态控制部件，伺服动力为直流电机的舵机具有故障率高、寿命短、可靠性差等缺点，严重制约了直升机可靠性的提升。目前舵机可靠性研究主要是事后诊断或离线预测，并不能保证舵机运行的可靠性。针对现阶段舵机可靠性研究的不足，本文研究舵机的故障模式和故障特征，对舵机进行状态监测，既而研究舵机的在线寿命预测技术，可为研究舵机智能维护技术提供依据，对于提高直升机可靠性有着重大的意义。舵机状态信号含有大量能表征性能变化的特征，现有研究只利用单个特征进行预测，并不能全面地表征实际性能的变化。本文通过建立舵机故障树，研究舵机的故障模式和故障机理，确定了电流、转速和振动信号中7个能表征舵机性能的故障特征。由于研究对象的特殊性，故障判据难以获取，本文采用有限元进行舵机的故障注入仿真，确定了舵机的失效阈值，为舵机的寿命预测提供了充分失效判据。从舵机的状态数据中正确有效地提取故障特征是实现舵机寿命预测的关键环节。本文根据状态信号各自特点，分别采用小波变换和HHT变换实现了舵机电流、转速和振动信号中的7个故障特征的提取，获取了故障特征的退化轨迹，为研究舵机的寿命预测方法作了充分的数据准备。舵机系统复杂，单一的非线性时间序列预测建模方法难以保证其预测效果。本文提出了一种灰色支持向量机的组合预测方法。经过验证，灰色支持向量机预测方法能够融合灰色模型和支持向量机预测模型的优点，具有较强的自适应能力和较高的预测精度。利用灰色支持向量机预测算法对7个故障特征进行建模，结合各自的失效阈值综合预测舵机寿命，并通过区间估计和分段预测统计对预测精度进行评价，结果表明，预测精度高于84%。舵机的寿命预测基于舵机的失效过程数据。本文设计了舵机的状态监测与寿命预测系统，系统能够同步监测舵机多个状态信号，并能实现在线寿命预测，为研究舵机的智能维护和可靠性提供了良好的实验平台。