基于振动分析的诊断方法是对齿轮箱进行故障诊断的有效方法,对齿轮箱运转过程中测得的振动信号,运用适当的信号处理方法提取可能出现的故障特征信息,从而判断发生故障的位置。但是,在齿轮箱的运行过程中存在着背景噪声,使得采集到的振动信号常常淹没在噪声中,从而无法识别故障。为了能够准确的诊断故障,需要对采集到的振动信号进行预处理,从而提高信号的信噪比。本文将自适应噪声抵消技术用于齿轮箱振动信号的预处理,并提取故障特征信息。自适应噪声抵消技术的核心技术是自适应滤波器,通过研究自适应滤波器的原理以及最小均方(LMS)自适应滤波算法,分析了大量的LMS算法,并在此基础上提出了一种基于相关双曲正切函数的LMS算法,简称为CTanh-LMS算法。通过仿真验证出,相对于其它自适应滤波算法,该方法具有更好的消噪能力,且算法简单,收敛速度快,能够满足齿轮箱振动信号的消噪要求。然后分析了齿轮箱振动信号的特征和几种故障诊断方法。在仿真的基础上,将基于相关双曲正切函数的LMS算法应用于齿轮箱故障特征的提取中,取得了较好的效果,能够得到明显的故障特征,准确的判断故障。本文提出的算法不仅解决了齿轮箱故障特征提取的问题,而且给自适应滤波算法的研究提供了新方法和手段,具有重要的理论意义和实用价值。