重型卧式车床作为一种特种机床主要应用于航空、船舶、核电等领域中的各种大型、重型特种零件的加工。主轴箱在重型机床中负责动力传递，支承回转部件、保证工件的回转精度，其装配质量对于保证机床在大载荷、大切削力加工时的可靠动力供给和稳定运行至关重要。重型卧式车床的主轴箱尺寸一般远远大于普通机床，这增加了它的装配难度。机床主轴箱的装配不可能一蹴而就，在满足出厂要求之前需经过多次装配调整，以排除装配过程中的故障。因此，装配故障的准确诊断，对于提高装配效率、保证出厂质量具有重要意义。本文在对齿轮箱故障的不同诊断方法和故障伴随特点深入调研的基础上，结合齐重数控在重型卧车主轴箱装配方面的实践经验，确定了主轴箱在装配时常见的故障类型，以及它们所伴随的特征。为了对故障进行诊断，选用PCB公司的356A16型振动传感器以及LMS公司的Lab.Test采集系统实现了机床各轴的振动信号的采集，得到了原始数据文件。选用小波分析的方法来处理所采集的信号，通过Shannon熵等标准得到了不同变换方法以及不同小波基的适用性。由于Bior3.5小波正交对称，并且由样条插值构造，而且经过比较表现良好，最终确定采用Bior3.5小波来分析测得信号。利用小波包将信号分解到不同频段，重构特征频率点所在频段的节点，再对重构后信号进行功率谱分析，使得信号中的故障特征能够表达清晰。分析了用于诊断故障的特征向量的结构，确定了特征向量维数为23，并结合前述方法，对采集到的信号进行特征向量的提取。最后，分别使用了支持向量机（SVM）、k-最近邻（k-NN）、BP神经网络三种智能模式识别方法对故障类型进行了分类检测。对各种方法在应用时的关键参数进行了优化，从分类准确率和计算复杂度上分析对比了三种方法。比较结果显示，支持向量机的方法最优，能够实现对故障类别的快速、准确判断。