随着机械设备复杂程度和自动化水平的提高,机械设备故障诊断的重要性日益显著,广泛应用在现代工业中的齿轮箱作为重要传动装置,其工作状态对整个机械系统有重要影响。因此,对其故障的检测与诊断就显得尤为重要。本文针对锚机齿轮箱故障问题,基于BP神经网络模型,利用MATLAB语言开发了齿轮箱故障诊断系统。通过对故障信号进行预处理,得到齿轮箱各种故障特征参数,借助神经网络模型,可有效判断现有齿轮箱故障类型。本文的主要工作如下:1).探究齿轮箱故障诊断机理。分析齿轮和轴承的常见故障类型及产生的原因,在此基础上研究了齿轮和轴承几种典型故障的振动机理。研究了对振动信号的处理方式,时域、频域诊断参数在齿轮箱故障发展中的趋势分析,以及小波包分析作为一种新兴的故障信号提取方式起到的作用。2).讨论研究了人工神经网络的基本原理、模型结构和算法,针对齿轮箱的典型故障特征,确定了适合故障诊断的BP神经网络,建立了齿轮箱故障诊断的BP神经网络的模型。3).利用MATLAB语言编写了齿轮箱的振动数据处理程序,可有效进行时域和频域分析,得到齿轮箱的特征参数。通过MATLAB的GUI编程模块开发了BP神经网络分析程序,以小波包处理得到的各频带能量作为神经网络的输入,从而进行齿轮箱的故障诊断,确定齿轮箱的故障类型,建立起锚机齿轮箱故障诊断系统。利用某企业船用锚机的故障振动数据,完成了BP神经网络的训练和建立,为企业后续的锚机故障诊断提供了有效的诊断依据。实验结果证明此诊断系统的诊断效果好,相比传统的方法具有更大的优越性。