主减速器(简称“主减”)是直升机的关键部件,它的好坏直接影响直升机的可靠性和安全性,故障诊断与故障预测技术可以对主减的故障进行诊断和提前预测,促使其维修方式由事后维修和预防性(定时)维修向视情维修和状态监控维修方式转变。鉴于此,本文结合国内外机械故障研究现状,对主减的故障诊断与故障预测技术进行了研究,提出了利用离散小波变换(DWT)、神经网络构建故障诊断系统和利用DWT、Kalman滤波、神经网络构建故障预测系统,并在此基础上提出了基于DWT、Kalman滤波和神经网络的主减故障诊断和故障预测集成化体系结构。利用传感器采集的8路振动信号对本文的系统进行验证,得到如下结论：(1)根据Shannon信息熵理论和Parseval定理,文中信号DWT进行9层分解时,信息熵最小的小波基为“db45”。(2)四种常用神经网络(BP、Elman、RBF、GRNN)中,GRNN的训练时间比较短,诊断精度最高；改进的隐含层为Gaussian小波的神经网络(WNNG)比隐含层为Morlet小波的神经网络(WNNM)训练时间短,诊断精度基本相同。(3)改进的Kalman滤波预测算法能更好地对主减的特征向量进行预测,并将各路预测值的逼近精度稳定在比较高的值上。(4)对实时性要求比较高的系统,建议使用DWT、Kalman滤波和GRNN组成的故障诊断和故障预测系统。而对于时效性要求不高,但诊断精度要求比较高的系统,神经网络可以考虑使用WNNG、结果表明：应用DWT、Kalman滤波以及神经网络构建直升机主减的故障诊断和故障预测系统是可行的、有效的,它能对主减的状态进行精确的诊断和预测,将为未来HUMS、PHM、CBM和CBM+系统的进一步开发提供新的技术参考。