高炉布料齿轮箱是炼铁高炉的重要设备，它的安全运行关系到高炉炼铁生产的安全和正常进行，还间接影响到后续的炼钢、铸造和热轧等生产过程。由于生产中的高温、粉尘等恶劣环境的影响，布料齿轮箱易出现故障，严重干扰高炉生产并造成巨大损失，而目前仅靠对电机电流等参数进行监测以及定期维修的故障诊断方式，很难在早期发现故障隐患。针对这种需求，因此需要研制一套基于振动信号检测的高炉布料齿轮箱故障诊断系统。　　 本课题除了完成基本的监测和故障分析功能外，还针对早期故障特征提取、降低现场噪声信号对诊断的干扰等方面开展了一些研究，主要内容如下：　　 第一章，简要介绍课题背景和齿轮箱故障诊断技术的意义及发展情况，并明确了课题的研究意义和研究内容。　　 第二章，对高炉布料齿轮箱的机械结构和传动系统进行了详细的分析，并结合具体情况对课题难点进行了说明，同时对主要故障零部件齿轮和轴承常见的故障形式以及故障特征进行了分析。　　 第三章，开发了基于振动信号检测的高炉布料齿轮箱状态监测系统，包括振动采集点选取、硬件电路设计及元件选型和基于虚拟仪器的软件开发。　　 第四章，提出了以基于神经网络的智能诊断为主线，以依靠现场专家知识和经验的信号分析诊断为补充的诊断方案。智能诊断模块诊断输入采用对早期故障敏感的峭度参数和传统的小波包子带能量参数，分类器采用区分性权重神经网络，从而诊断出早期故障并提高噪声条件下的诊断准确率。同时开发了故障分析模块。　　 第五章，进行了诊断试验，验证了峭度指标对早期故障诊断具有一定的作用，同时也验证了区分性权重方法有效的提高了概率神经网络对噪声的鲁棒性。