齿轮传动在机械设备中应用广泛，其运行状态的好坏直接决定了整个设备的性能，因此对齿轮运行状态进行在线监测和故障诊断尤为重要。齿轮传动是以轮齿的周期性啮合传递运动，这一过程必将产生机械振动，当齿轮出现制造装配误差、磨损、裂纹等故障与缺陷时，必然会使机械振动产生不同的变化，其啮合振动信号中包含了丰富的齿轮状态信息，因此，分析齿轮啮合振动信号是齿轮故障诊断最有效的方法。在齿轮的使用中，希望能够及早的发现故障并对故障做出诊断，就可以合理的使用齿轮或制定维修计划，提高齿轮的利用率，防止生产事故的发生。为此，本文以齿轮为分析对象，采用理论分析与实验研究相结合，深入研究了基于隐马尔科夫模型（HMM：Hidden Markov Model）的齿轮故障诊断方法与技术，主要做了以下几个方面的工作。1.分析了齿轮故障诊断的研究意义，综述了齿轮故障诊断技术的发展与HMM在故障诊断中的应用，阐述了齿轮故障模式，常见故障的振动机理与齿轮啮合振动信号的特征。2.研究了HMM的基本理论，重点讨论了连续隐马尔科夫模型（CHMM：Continuous HMM）的理论，针对算法下溢与模型参数的初始化这两个实际应用中出现的问题，给出了解决方案。最后给出基于HMM的齿轮故障诊断的思路与流程。3.提出了基于细化谱分析的齿轮故障特征提取方法，并将其应用在离散隐马尔科夫模型（DHMM：Discrete HMM）中，该方法首先利用时域同步平均提取目标齿轮的振动信号，再进行细化谱分析提取主要频率及其附近的边频带幅值作为特征向量，量化后输入到模型中进行训练和分类。通过实验验证了该方法的有效性。4.应用CHMM结合AR系数的特征提取方法，进行了齿轮故障诊断与齿轮的状态识别。在齿轮状态识别的研究中，进行了齿轮的全生命周期实验，采用交叉验证寻找最优状态数，并用K均值聚类算法对模型进行状态初始化，成功的对生命周期三个阶段进行了识别，为齿轮箱的状态监测提供了科学依据。