针对新一代飞机高综合化、高复杂度和高耦合性导致的传统推理故障诊断策略难以满足现代维修保障需求的问题,开展基于广义回归神经网络(Generalized Regression Neural Network,GRNN)的飞机液压泵智能化故障诊断研究。构建经验模态分解(Empirical Mode Decomposition,EMD)与自回归(Autoregressive,AR)相融合的深度特征提取方法,提升原始信号的隐层故障特征筛选能力;再将增强后的隐层特征与GRNN相结合进行神经网络训练,提升智能诊断模型的识别精度。实验结果表明,EMD-AR-GRNN智能诊断模型能快速、准确地诊断出液压泵各故障模态,对保障设备的安全运行,提升系统可靠性具有重要的意义。