随着工业机器人应用范围越来越广,其安全性和可靠性研究愈发重要。谐波减速器作为保障工业机器人精准运转的核心零件,其健康状态直接影响着工业生产效率的高低。提取能够较为准确表征谐波减速器退化过程的健康指标,是对谐波减速器进行寿命预测以及故障诊断等工作的关键。本文针对谐波减速器的结构特性、失效形式以及电机的电流信号特性进行分析,重点研究电流信号中存在的故障信息及提取方法。通过搭建谐波减速器加速寿命试验平台采集减速器多组全寿命试验电流数据,利用电流数据构建谐波减速器退化指标并进行退化阶段划分,最后采用神经网络模型完成谐波减速器的剩余寿命预测。主要工作如下:（1）通过分析谐波减速器中柔轮和柔性轴承的故障特征,对谐波减速器故障在定子电流信号中的感应机理进行理论推导,为后续的仿真与实验分析提供理论依据。（2）搭建加速寿命试验平台和信息采集系统,采集谐波减速器全寿命周期的电流数据。针对工业机器人瞬时多变的工况,制定谐波减速器加速寿命实验方案及信号采集方案,为后续谐波减速器剩余寿命预测研究提供真实可靠的实验数据。（3）提出一种最大相关峭度反褶积和互补集合经验模态分解算法相结合的电流信号故障特征提取方法,并通过仿真电流信号进行验证。分别基于振动信号与电流信号构建退化指标划分退化阶段,并对分析结果进行比较。通过谐波减速器加速寿命试验数据构建电流信号退化指标,实现谐波减速器退化阶段的划分。（4）基于电机电流特性分析技术提出一种适用于工业机器人谐波减速器故障特征的寿命预测架构。对BP神经网络模型输入层参数的选取进行比较分析,选用KPCA1、KPCA 2两个主元作为输入层。采用天牛须搜索算法优化BP神经网络模型,并通过RMSE和R参数对3个试验样本不同退化阶段下的模型预测准确率进行评判。结果表明,轻微退化阶段的模型预测准确率最优,健康阶段的模型预测准确率次之,严重退化极端的模型预测准确率最差。