由于齿轮箱在机械传动系统中起着关键性的作用,为了更好的监视和维护齿轮箱,本文在对齿轮箱状态监测与故障诊断方法深入分析研究的基础上,以 JZQ250 型齿轮箱为监测与诊断对象,研究并开发了基于信号处理的多专家协作式齿轮箱状态监测和故障诊断专家系统。在专家系统的硬件设计上,以振动加速度传感器、电荷放大器和 NI 公司的数据采集卡组建了一套完整的数据采集系统。在软件分析上,首先根据齿轮箱发生故障的特征确定了知识库中知识的内容:以信号的“二次分析”为背景,确定了监测特征值,以信号能量比重谱的方法确定了故障特征值。然后根据人工智能原理设计了专家系统的推理机,它的核心为 BP 神经网络、灰色理论和 D-S 证据理论信息融合。然后通过对三种方法的仿真确定了它们在齿轮箱故障诊断方面的有效性和正确性。在软件设计上,利用了UML 建模语言和面向对象技术,构造了专家系统的软件蓝图,然后结合 CASE 工具Rational Rose 和编程工具 Visual Basic6.0、MATlAB7.0 共同完成了软件开发。最后通过试验证明了基于信号处理的多专家协作式齿轮箱状态监测和故障诊断专家系统能有效和正确地对 JZQ250 型齿轮箱进行状态监测与故障诊断。