针对传统齿轮故障诊断方法停留在静态观测的基础之上，这往往忽略了故障发生前后的上下文信息。随着隐马尔科夫模型在旋转机械中的应用研究的展开，本文尝试了将HMM故障诊断方法应用在球磨机齿轮故障诊断中，在一个动态的环境中对球磨机齿轮减速器设备进行观测、评估。在发电及其他选矿行业中，球磨机是很关键的磨煤设备，保证它的正常运行，间接保证了企业的经济效益，因此对球磨机齿轮的故障诊断研究是很有必要和有意义的。本文首先对球磨机齿轮诊断研究现状及球磨机齿轮振动信号的特征进行了简单的阐述，为后文振动信号的特征提取提供了理论依据。重点介绍了HMM的基本理论、算法学习以及DHMM在球磨机齿轮中进行故障诊断的流程。并进行了五种故障模型诊断实验，对获取的振动信号进行特征提取，归一化，标量量化得到量化序列集合，再对量化序列集合进行DHMM参数重估或利用Viterbi算法计算最大模型概率，从而建立DHMM模型库或进行故障诊断。实验结果表明DHMM故障诊断方法在球磨机齿轮中应用具有较高的分类精度。第四章对多通道的振动信号进行了融合，介绍了SOM聚类编码的基本理论和算法，利用SOM聚类编码的方法实现了信号的降维、编码，建立了单双通道的DHMM模型，单双通道的故障分类进行对比，实验结果表明双通道信息融合后的故障分类效果较单通道的高。最后为了方便对球磨机齿轮振动信号进行快速的分析，研究了基于Qt与matlab的HMM故障诊断软件，介绍了本文的开发环境、开发工具、以及接口的实现方法。