齿轮是现代胶印机的重要传动部件,其运行状态对整机的印刷效果有很大的影响,也是易于发生故障的部件之一,因此对胶印机传动齿轮的状态监测和故障诊断研究是十分必要的。本课题针对齿轮振动信号的振动机理和特点,对振动信号进行时域和频域分析,提取齿轮运行过程中故障特征量,并建立蚁群神经网络模型对齿轮故障进行识别,通过实验验证了所建模型的正确性。本课题的主要研究内容：1.分析齿轮故障的失效形式及其产生原因,并探讨几种典型状态下齿轮振动信号的频谱特征。2.阐述振动信号的处理方法,分析齿轮运行时信号的时域、频域特征；提取用于故障识别系统的特征量,作为蚁群神经网络的输入样本。3.针对BP神经网络在齿轮故障识别中存在的不足,开发基于蚁群神经网络的故障辨识系统(ACOBP系统),ACOBP系统中优化程序的编写和参数值的确定是研究的重点。4.利用MATLAB和LabVIEW软件开发集数据采集、数据分析、故障诊断于一体的齿轮故障诊断系统。5.实验验证。从实验台的组成、齿轮故障的设置与传感器测点的选择介绍实验平台,并根据所建模型分析实验数据,验证本文所提出方法及模型的有效性。实验结果表明,开发的蚁群神经网络系统实现了胶印机滚筒传动齿轮的状态监测和智能故障诊断,这将有利于提高印品质量和生产效率,并为建立胶印机整机的监测系统奠定了一定的基础。