故障诊断技术是现代化生产发展的产物,齿轮箱是工程机械中的重要部件,齿轮和滚动轴承是齿轮箱中的易损元件。据统计,传动机械中80%的故障是由齿轮箱故障引起的,因此,对齿轮箱的运行状态监测和故障模式识别一直是机械故障诊断技术中的重点。本论文在潜心研究协同进化PSO算法相关理论的基础上,结合RBF神经网络优化的具体问题,提出一种基于协同进化PSO算法的RBF神经网络优化模型,并将优化后的RBF神经网络应用于齿轮箱故障诊断技术中,以期对齿轮箱系统的各种异常状态或故障工况做出及时、准确而有效的判断,指导齿轮箱系统的运行,提高齿轮箱系统的可靠性、安全性和有效性,最终把由齿轮箱故障带来的经济损失降低到最低水平。实验结果表明,本论文所提出的基于协同进化PSO算法的RBF神经网络优化模型具有可行性,且优化后RBF神经网络的测试结果与传统RBF神经网络的测试结果相比具有较高的训练精度和较快的收敛速度。因此,通过本论文的研究,不仅为RBF神经网络提供了一种新的优化途径,同时也大大提高了RBF神经网络在齿轮箱故障诊断技术中的诊断效率,进而丰富和发展了粒子群优化算法和神经网络在齿轮箱故障诊断中的应用。