振动信号分析是进行齿轮箱状态监测与故障诊断的重要手段。本文旨在研究适用于齿轮和滚动轴承的振动信号处理方法,并应用神经网络对各种处理方法处理后的数据进行模式识别,最后有效地分辨各种齿轮箱故障。首先,本文对齿轮和滚动轴承的故障机理及各种激励因素对振动信号的影响进行了详细剖析,研究了齿轮和轴承振动信号的故障特征。然后从时域、频域和时频域详细介绍了齿轮和滚动轴承的各种故障诊断方法,最后确定了几种信号处理方法对本齿轮箱进行简易诊断和精密诊断。其次,在了解齿轮、滚动轴承的振动机理和诊断方法基础上,搭建了齿轮箱故障试验装置,分别模拟了齿轮故障和滚动轴承故障,并对故障诊断方法进行了验证。基于各种方法在诊断本齿轮箱各种故障时的局限性(有时不能诊断出齿轮,特别是轴承故障)。本文提出了一种小波包络解调分析方法,并通过实践证明:与传统方法相比,小波包络解调分析方法能更好的解决由于实际的齿轮、轴承噪声大,振动信号的信噪比低,难以获得微弱故障特征等问题,为提取齿轮、特别是轴承早期故障特征提供了有效的分析手段。最后,利用BP神经网络对齿轮箱故障进行分类。结果说明此类神经网络能够提取输入信号的细微特征,对故障分类具有很高的准确性和可靠性。