通过分析机械零件的振动形态特征进行故障诊断的技术已经在当前得到了广泛应用，然而随着各学科发展的齐头并进，结合各种新技术的机械零件故障诊断方法也在不断推陈出新。　　 本文在深入研究金属杆件受锤击激励后主振频率的规律及机理后，将声音信号作为故障诊断的主要信号源，并结合语音预处理技术和人工神经网络理论，实现了通过分析声音信号特征参数实现了零件故障诊断。在整个故障诊断过程中，首先对金属杆件受到外部激励后产生的声音信号进行预处理，该环节采用语音信号处理中检测短时能量及短时过零率的技术，对采集到的声音信号在时域、频域上进行检测。然后通过端点检测程序提取故障诊断系统需要的声音信号波段，用Mel倒谱特征参数作为特征矢量集。接下来采用矢量量化技术对特征矢量集进行量化，通过kmeans算法聚类分簇简化特征向量参数集输入人工神经网络输入层神经元，由BP网络训练到达要求误差度后即可输入零件的声信号特征参数进行故障诊断。此外，考虑可能存在的环境噪声影响，提出了小波抑噪等几种系统稳健技术。实验结果表明，结合了语音预处理技术的人工神经网络系统在金属杆件故障诊断方面有很好的表现。