针对汽车变速器的故障振动信号作研究，结合信号处理与模式识别领域的知识对汽车变速器的故障振动特征进行提取，研究一种有效的智能诊断方法，包括三部分内容： 1．以频谱分析理论为基础，分别研究了两种细化谱分析方法：基于复解析带通滤波器的ZFFT与CZT。分别分析了两者的原理、方法与特点，然后以仿真例子对比分析了两者的误差来源与校正方法。研究表明：对于发生严重干涉现象的密集多频率谐波成分，ZFFT通过增大细化倍数后重采样，把干涉的各频率成分分离后进行校正可获得高精度的信号参数，但CZT只是把细化分析频带局部放大，无法消除干涉影响，只有通过增大采样点数，才能减少干涉产生的误差。 2．利用汽车传动实验台，对汽车变速器的正常状态、输出轴滚动轴承内圈剥落与外圈剥落振动信号进行采集与分析，以频谱分析技术对其进行了特征提取，并对比分析三种状态的特征。发生故障时，均出现以滚动轴承所在轴的齿轮啮合频率为载波频率，以轴转频为调制频率的调制现象，在高频区出现一个频带很宽的谱峰群，能量大幅度增大。 3．研究了Kmeans算法与基于核的Kmeans算法的原理与方法。以Fishers Iris数据集对两者进行算法验证，并对汽车变速器的正常状态、输出轴滚动轴承内圈剥落与外圈剥落振动加速度信号进行特征提取和分类识别。两种方法的分类效果都依赖于不同的特征参数组合，核函数的选择是基于核的Kmeans算法的关键。 对汽车变速器的故障振动信号进行特征提取以及智能诊断是重要而艰巨的任务。如何选择合适的特征参量、提取方法与诊断标准都是需要深入研究。