齿轮箱是众多机械设备中肩负着动力传递之重任的关键部件。对齿轮箱进行合理有效的故障诊断对于保障机械设备的正常工作有着至关重要的作用。作为智能故障诊断的重要环节,对模式识别任务的研究意义非凡。针对故障诊断中现有的模式识别方法的不足,研究了超圆盘（Hyperdisk,HD）分类器原理及性能。超圆盘分类器使用超圆盘模型对类别区域进行估计,区别于凸包（Convex Hull,CH）及仿射包（Affine Hull,AH）模型,超圆盘更能合理估计类别区域。针对超圆盘模型的不足,论文对超圆盘分类器进行改进,并应用于齿轮箱故障诊断。之后又针对超圆盘分类器时间复杂度较高而不能较好适用于实时故障诊断的缺陷,对超圆盘分类器进行改进,并应用于齿轮箱故障诊断。论文研究内容从以下几方面展开:（1）研究了超圆盘模型及超圆盘分类器。对超圆盘模型进行研究,在几何意义上剖析该模型的本质,并将其与凸包、仿射包模型进行对比,分析各种几何模型的优劣。之后,对超圆盘分类器的分类性能进行探究,使用公开数据集进行数值实验,验证其性能优越性。（2）提出了基于可伸缩移位超圆盘（Extensible and Displaceable Hyperdisk,EDHD）分类器的齿轮箱故障诊断方法。研究认为,由于超圆盘模型不可轻易调节,因此超圆盘分类器分类性能有待进一步提高。同时,在训练样本存在离群点的情况下,超圆盘分类器出现明显的性能下降,证明其鲁棒性有待改善。研究对原始的超圆盘分类器进行改进,提出可伸缩移位超圆盘分类器,有效改善了上述不足。最后将该分类器用于齿轮箱故障诊断,通过对比实验证明其性能优势。（3）提出了基于鲁棒最近邻超圆盘（Robust Nearest Neighbor Hyperdisk,RNNHD）分类器的齿轮箱故障诊断方法。超圆盘分类器是一种最大间隔分类器,其分类超平面的获取需求解复杂的二次约束二次规划（Quadratically Constrained Quadratic Program,QCQP）问题,导致其时间性能略有不足。基于此,将超圆盘模型与最近邻思想结合,提出最近邻超圆盘（Nearest Neighbor Hyperdisk,NNHD）分类器。同时,为避免超圆盘相交而带来的分类准确率下降,提出了鲁棒最近邻超圆盘分类器。通过齿轮数据集上的实验验证其分类性能。