变速箱的故障分类识别实质上是机器学习的识别过程。通常情况下，从未知的原始故障状态到学习后可分类识别的状态，均需要经过故障特征提取、故障特征选择与优化、分类器设计、分类识别及结果评价等几个过程。但故障特征与故障本身属性紧密相关，提取合适的特征往往相对复杂、艰难，且由于人工参与因素，大大增加了特征提取与优化的不确定性，也增加了变速器故障分类识别的难度，削弱了机器学习的智能性。本课题研究了变速箱传动系统故障诊断方法，进而完成了变速箱故障诊断与预测管理系统的功能模块设计。本文主要的研究工作和成果如下:　　1)研究了滚动轴承和齿轮的故障模式及演化机理，分析了滚动轴承和齿轮的振动特征，根据现场检修实际并结合实验，梳理出变速箱传动故障总表。通过对故障特征进行具体处理和分析，从而得出能较好地描述故障的特征参数与形式。　　2)基于DBN算法构建变速箱传动故障预测模型，通过对比输入信号、输出信号的差异性，来验证故障仿真信号的重构效果，从而得出该算法对变速箱传动故障具有较高的分类识别能力;　　3)结合先进的设备管理方法对变速箱传动故障分析预测及诊断管理系统的需求进行详细分析，构建系统功能模块框架，最终完成了其系统的总体设计。