齿轮箱作为机械传动系统中的关键部件,发挥着重要的作用,其运行状态的好坏直接关系到整个系统的工作性能。因此,在实际的生产活动中有必要对齿轮箱进行状态监测与故障诊断,掌握其运行状况,以便在第一时间发现故障隐患,进行“预知性维修”,降低设备故障风险。本文以直齿轮箱为研究对象,在开展齿轮疲劳磨损试验的基础上,进行基于振动与油液监测的齿轮箱运行状态评估的研究。主要研究内容如下:首先,对齿轮箱振动特征的提取方法进行了研究。利用时域分析方法、频域分析方法和时频域分析方法对在齿轮疲劳磨损试验过程中持续采集的振动信号进行分析,提取表征齿轮箱运行状态的多域振动特征:时域特征、频域特征和时频域特征,通过不同信号域特征的趋势分析能够更全面地反映齿轮箱运行状态的变化。另外,齿轮传动中存在多种失效形式,当故障发生时,会影响齿轮箱的运行状态。因此,提出一种随机森林融合奇异值差分谱的故障识别方法,对齿轮的5种故障模式(健康状态、齿根裂纹、断齿、缺齿和齿面磨损)的平均识别率可达到96.30%。其次,利用理化分析技术、颗粒计数技术、PQ分析技术和铁谱分析技术对在齿轮疲劳磨损试验过程中持续采集的油样进行分析,提取齿轮箱的油液特征。通过运动粘度、酸值、颗粒度、PQ指数的变化及铁谱图像的定性分析反映齿轮箱在运行过程中的润滑状况和运行状况。然后,针对联合应用振动与油液监测技术监测齿轮箱的运行状态时产生的信息冗余问题,提出一种基于主成分分析的齿轮箱运行状态评估的方法。对由多域振动特征和油液特征构建的表征齿轮箱运行状态的高维特征数据集进行主成分分析,将主成分对应的方差贡献率作为权值,进而实现加权特征融合,融合的综合指标可以很好地反映齿轮疲劳磨损试验过程中齿轮箱运行状态的变化。最后,为更充分地挖掘齿轮箱振动与油液特征数据集中各特征间的非线性关系,将核函数方法引入到主成分分析中,提出一种基于核主成分分析的齿轮箱运行状态评估方法。利用核主成分分析对上述特征数据集进行加权特征融合,并与基于主成分分析的特征融合结果进行对比,结果表明:该方法具有更显著的特征融合效果,能够以更少数量的主成分最大化地表示原始数据集的信息,且第一主成分的方差贡献率可达到75%以上,融合的综合指标能够在保留几乎所有原始信息的前提下更清晰地表征齿轮箱的运行状态。