由于棒线材轧机是典型的高效率、高自动化的设备，一旦突发故障，将给正常生产带来严重威胁。轧机动力系统多采用齿轮传动方式，作为轧机最重要的组成部分之一，齿轮箱运行是否正常涉及到整个机器或生产线的工况状态。因此，针对齿轮箱典型故障开展智能诊断技术研究，具有重要的实际意义，本文研究内容如下： (1)在棒线材轧机齿轮箱各种零部件故障中，齿轮和轴承故障占很大的比例。本文从理论上分析了齿轮和轴承典型故障产生的机理，用故障实例说明了齿轮和轴承故障的判别过程，根据在线监测系统提供的振动信号研究了齿轮及轴承的常见失效形式和主要识别特征。采用有限元仿真技术对滚动轴承承载过程中的应力、应变情况进行模拟，从而验证了轴承失效的破坏机理。 (2)智能诊断的知识库将框架式和产生式方法相结合进行构建，主要包括诊断参量数据库和规则库两部分。其中诊断参量数据库存储齿轮箱运行状况的基本监测参数，如基本参数、振动幅值、振动的波形、典型故障特征等；规则库存放的是诊断规则。 (3)为了有效地对齿轮箱故障进行诊断，本文将齿轮箱振动信号采用小波分解后，定义了小波分层突变系数用于齿轮箱故障特征的识别，并将其与传统的“双特征判别法”相结合，形成了“三特征判别法”。为了完善系统的智能推理作用，本系统采用矩阵判别筛选法作为核心推理机制，并将“三特征判别法”融入其中，实现了齿轮箱各类典型故障的智能判别，降低了漏诊的可能性。基于三特征判别法和矩阵判别筛选法的推理机制是一种有效的推理方法。 整合了新诊断方法和新推理机制的棒线材轧机智能诊断系统原型，将为设备诊断技术的推广应用奠定良好的基础。