主减速器（简称“主减”）作为汽车传动系统中的关键部件，是汽车的主要故障源，对整车品质评价有着直接的影响。目前国内外著名的大型制造企业对主减的质量评判通常有两种方式：一种是在主减的生产线上，用电机带动主减运转，让有经验的工程师通过目测/耳听等人工方式判定工况；一种是通过对组装样车作实际路况测试，让经验丰富的专业测试师在驾驶室中根据实际体验以作评判。显然这两种评判方式均高度依赖于工程师的主观经验，需要有经验的专业人员才能担当这一任务。这两种方法不仅存在主观误判，也不能很好地体现故障特征，而且大幅增加了生产人员的工作强度。具备高新技术的智能、自动化的故障诊断系统的研究与制备就显得尤为重要。异常振动往往是机械出现故障的征兆，过激振动又常常会导致其他机械故障，也是判断机械设备安全稳定运行与否的重要指标。因此可采用相应的仪器在线提取主减的工况振动信号，对信号进行处理和分析以提取蕴含在其中的设备状况信息，并结合智能方法实现对主减的质况进行智能化、自动化的诊断。论文主要研究工作包括以下几部分：1.建立了主减速器啮合振动模型，构建了故障特征频率算法；建立工况造型，通过静力分析与模态分析，优化主减速器工况信号在线提取策略。为了能反映主减速器的在线工况，首先研究主减速器的故障机理，获取典型故障特征频率的计算方法。然后，用UG软件建立实验平台的三维模型，导入ANSYS作模态分析以寻求与优化传感器最佳放置策略；在最佳振型位置放置压电式加速度传感器获取主减速器的振动信号，为后续信号的处理与分析做好准备工作。2.提出了盲源分离算法的分离评价规则，用Huber-M估计函数优化FastICA算法，使得算法在相同迭代次数下运算效率提高了40%；基于能量判定自动识别分离后的工况信号，消除FastICA算法的不确定性。为了将工况信号从传感器采集到的混叠信号中更好地分离出来，首先对盲源分离算法的原理与评价标准进行了研究；然后在此基础上使用Huber-M估计函数来替代原FastICA算法中的目标非线性函数，利用这种改进后的独立分量分析算法能从混叠信号中快速、准确地分离出主减速器的工况信号；最后通过比较分离后分量的能量大小，自动识别出待分析的主减速器工况信号，这比人工观察波形的判定方式更加客观、高效。3.建立了具备物理意义瞬时频率的数学模型，从数学层面揭示了Fourier系列变换在分析非稳态信号方面的不足；建立了Hilbert-Huang变换算法中端点效应缺陷的影响评价指标，并以智能技术得到抑制端点效应的有效方法，提高了HHT变换的精确程度；选择IMF分量的能量分布作为特征向量，避免了故障频率随车速跃变而给诊断定性分析带来的不确定性。4.依托上述算法与技术，研发了在线检测平台的软硬件系统，并实际配备在柳州五菱联发车桥厂的生产线上辅助生产。该系统主要具备分流与诊断两大平台功能，主减速器成品通过传送装置传送至静音室，经分流平台分流后，合格成品经一条传送装置输出以供后续装配的无缝衔接，不合格产品登记编号等参数后由另一条传送装置送至故障返修平台，在故障返修区载入故障产品的振动信号作智能诊断与人工检修。该设备已部署在柳州市五菱车桥厂的生产线上，配套数字化检测设备也在相关汽车零部件企业中全面的推广应用，很好地解决了传统人工经验方式进行后桥主减速器品质判断中存在的准确度不高、经验过度依赖等问题，使得厂商的生产效率显著提高。经实践检验，企业用户的反馈情况良好。