斜齿轮传动平稳,具有较高的承载能力,在现代工业设备,特别是风力发电机中,得到了广泛的应用。斜齿轮轮系发生故障常常导致严重的设备事故,造成惨重的经济损失。低速旋转机械的转速一般低于10Hz。齿轮系统工作过程中发生的齿根裂纹、断齿、缺齿等都会产生周期性的脉冲冲击力,在振动信号频域出现调制现象,在频谱上表现为在啮合频率或固有频率两侧出现间隔均匀的调制边频带。风力发电机中的斜齿轮振动信号受周围环境影响较大,背景噪声在低频段淹没了故障频率,本文对在低速工况下的齿轮故障诊断方法进行了研究,取得了一定的成果。论文主要研究内容如下:(1)论述课题背景及研究意义,阐述了国内外低速斜齿轮故障诊断方法的研究现状,概述了自适应模式分解算法和模式识别算法的发展情况,引出本文的研究对象和结合或改进的算法。(2)论述了变分模态分解算法和循环自相关函数理论,提出了基于参数优化的变分模态分解的低速斜齿轮故障诊断方法。将此方法应用于低速斜齿轮故障的故障诊断,仿真信号和试验数据证明了本方法的有效性。(3)针对第二章提出方法适用于平稳工况的不足,研究在低速范围内的变速情况下的斜齿轮故障诊断方法。提出了基于计算阶次跟踪的变速斜齿轮故障诊断方法。经过仿真和试验信号的验证,表明了该方法的有效性。(4)针对斜齿轮实际应用中的复杂工况,弥补第三章的方法涉及工况的不足,提出了基于多分类多核相关向量机的斜齿轮故障诊断方法。经过试验信号的验证,本方法可在变速、变负载、不同测点的情况下,准确识别出斜齿轮的状态,且建立的斜齿轮状态模型具有较好的泛化能力。(5)介绍了低速斜齿轮试验内容,并搭建了基于LabVIEW的低速斜齿轮信号采集和分析系统。采用该系统不仅可以对低速斜齿轮进行实时数据保存及离线分析,还可以将上述章节的特征提取方法嵌入程序中使用,并将模式识别故障模型开发为便捷方便的系统,将更有助于最新的方法应用于工程领域,为低速斜齿轮的状态监测与故障诊断系统开发提供借鉴。