随着科技生产力的不断提升,在长期的生产过程中,生产设备的齿轮箱内部会产生磨损、断齿、点蚀等故障,如果不及时对其进行针对性的检测与维修,将对生产效率以及生产安全将造成严重的影响。但是作为关键的承载部件,齿轮箱处于复杂、恶劣的工作环境中,会存在故障率高、故障原因复杂、信号采集困难等问题,给设备维护带来较大的困难,传统依托于硬件电路的检测方法不能再准确诊断故障节点。针对这些问题,设计了一套基于振动信号的齿轮箱故障诊断系统。主要包括以下研究内容:研究了齿轮箱故障与振动信号的关联性,据此建立了齿轮箱振动信号检测模型,综合分析齿轮箱在无故障、断齿故障、点蚀故障、磨损故障等多种状态下的振动信号特征,完成了系统的总体方案设计,为系统的实现做出了理论铺垫。针对齿轮箱振动信号的实时采集问题,开发了具有多通道、高采样率的振动信号采集与故障诊断软件,实现了软件功能的模块化设计,主要包括用户管理、系统设置、信号采集与存储、实时波形显示、特征参数显示、故障分析判断与综合等多个功能模块。各功能模块间耦合性小,提高了系统的可移植性。针对齿轮箱振动信号不平稳且其中隐含的特征信息利用不充分问题,采用多尺度特征信号分解方法对振动信号进行时频分析。分析了集合经验模态分解与经验小波变换两种信号处理方法,分别对合成信号进行分解仿真,其中经验小波变换在分解速度和特征反映上效果较好,更能体现齿轮箱原始振动信号的幅频特征。针对齿轮箱的故障分类问题,采用了基于支持向量机来对振动信号特征进行网络模型训练的方法。分别采用逻辑回归、支持向量机、K最邻近算法对不同故障情况下振动信号数据的特征向量进行训练,并将测试信号输入模型进行故障诊断,支持向量机算法能够快速根据振动信号的相关特征判别出齿轮箱故障的有无及故障类型,诊断正确率较高,将其作为系统的诊断算法。并且,基于自适应故障诊断算法实现齿轮箱新故障类型的自适应诊断,强化系统的诊断能力与适应性。最后,以齿轮箱为研究对象搭建了一套振动信号采集与分析实验平台,对方法进行验证。运行软件对振动信号进行实时采集与存储,系统分析信号特征参数后进行数据显示和故障报警,测试故障率分析等软件功能,对不同故障情况齿轮箱振动信号基于经验小波变换进行分解的特征提取和支持向量机故障分类进行实验验证,实验结果证明了基于振动信号的齿轮箱故障诊断方法的正确性与高效性。