蜗轮蜗杆减速箱是电梯中重要的传动、变速部分。由于运行环境恶劣和结构复杂并且随着长时间的运行,部件会被逐渐腐蚀和老化,导致电梯蜗轮蜗杆减速箱发生故障,减速箱发生故障电梯就无法正常使用,还有可能使正在使用电梯的乘客受伤。所以对于电梯蜗轮蜗杆减速箱的故障诊断研究变得尤为重要。基于此本文搭建了电梯蜗轮蜗杆减速箱实验平台,以发生故障频率较多的圆锥轴承和蜗轮为研究对象,采集蜗轮蜗杆减速箱在故障状态下的运行数据作为输入,训练和调试基于残差神经网络的故障诊断模型。本文所做工作如下所示:（1）简单介绍了电梯的起源和电梯在我国的发展历程和现状,着重分析了国内外关于电梯故障诊断技术的研究现状,提出了利用深度学习的神经网络模型来对电梯蜗轮蜗杆减速箱的机械故障进行诊断的研究思路。（2）介绍了电梯蜗轮蜗杆减速箱中圆锥轴承和蜗轮常见的机械故障及其机理,并从他们的时域波形图和频域图上观察故障特征,在故障特征不太明显的情况下为转向研究深度学习方面的神经网络模型提供了理论依据。（3）针对电梯蜗轮蜗杆减速箱蜗轮的机械故障问题,搭建了基于改进卷积网络的故障诊断模型。将卷积神经网络和残差模块结合起来,利用卷积网络较好的故障特征提取能力和残差块削弱深层网络的退化问题来优化模型的整体性能。（4）针对电梯蜗轮蜗杆减速箱圆锥轴承的机械故障问题,提出了基于多传感器三通道矩阵的残差网络故障诊断方法。将三通道矩阵与残差神经网络结合起来,利用三通道矩阵的信息分组与整合的能力与深度残差网络的信息挖掘能力来优化故障诊断模型。