随着科学技术的不断进步,机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。齿轮箱由于具有传动比固定、传动转矩大、结构紧凑等优点,是用于改变转速和传递动力的最常用的传动部件,是机械设备的一个重要组成部分,也是故障易于发生的一个部件,其运行状态对整机的工作性能有很大的影响。在齿轮箱故障诊断中,充分提取故障信息,准确判断故障性质和故障源,选择有效的信号处理和故障诊断方法是诊断成败及提高诊断灵敏度的关键。本论文在分析传统的诊断方法基础上,还在齿轮箱的智能化诊断方面进行了有益的探索,将人工神经网络理论技术应用到齿轮箱的故障诊断中。本论文在分析国内外文献的基础上,进行了各种工况下的齿轮箱故障机理与诊断方法研究。本文以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,设计了状态监测与故障诊断实验方案,采集了齿轮箱振动信号,应用MATLAB软件中自带的神经网络工具箱,编程实现了神经网络预测模型,并利用实验室数据的峭度指标进行了实验。首先给出网络的输入及对应的目标输出,然后经过训练获得网络的权值和阈值,最终构建齿轮箱故障神经网络来进行故障的诊断。实验证明,此模型能够有效地检测出齿轮箱的典型故障,可以用于齿轮箱的故障诊断。