目前,齿轮传动系统朝着精密、高速、高性能趋势发展,产品研发迭代也在不断的加快,对齿轮传动系统设计的可靠性与稳定性提出了更高的要求。齿轮副作为齿轮传动系统的核心部件,研究在不同设计条件下系统啮合接触特性甚为重要。针对目前存在多工况、多不确定参数所形成的大数据下齿轮传动系统啮合接触特性研究困难的问题,缺乏较为有效的分析手段。因此,本文提出一种基于数据挖掘技术的齿轮传动系统啮合接触特性研究方法。基于多维高斯分布与有限元模型构建系统啮合接触特性数据集;建立相关性分析模型挖掘系统特征参数间的影响规律;采用数据挖掘算法构建系统啮合接触特性数据挖掘预测模型;基于智能优化算法在保证模型预测精度的前提下大幅提高了模型预测效率,增强了模型应用能力。主要研究工作如下:（1）采用渐开线圆柱齿轮建模原理、质点单元、弹簧单元及梁单元等有限元建模方法,建立齿轮传动系统啮合接触特性分析有限元等效模型,并基于赫兹接触理论对模型进行多角度验证。（2）提出了基于多维高斯分布及有限元模型的系统啮合接触特性数据集建立方法。基于相关性分析算法建立系统啮合接触特性相关性分析模型,得到了系统特征参数间的相关性结果,为创建数据挖掘模型候选特征子集提供依据。（3）基于数据挖掘算法与候选特征子集建立系统啮合接触特性预测模型,采用网格搜索及交叉验证法实现对预测模型的超参数寻优,使用多种误差评价指标建立评价模型。结果表明:基于支持向量机的预测模型误差最小,平均绝对百分比误差为3.87%,远小于理论计算误差。其中在最优特征子集下,该模型的各项接触特性预测误差指标显著下降,比优化前的接触特性预测误差减小了21.71%,验证了方法的精确性与有效性。（4）为提高模型运行效率,检验模型应用能力,提出了基于智能优化算法的系统啮合接触特性预测模型。将基于改进贝叶斯算法、粒子群算法与网格搜索法的支持向量机预测模型分析性能进行对比,结果显示:在最优特征子集下,模型运行时间分别为12.85s、101.07s、731.84s,表明基于改进贝叶斯优化的支持向量机预测模型的预测性能最为高效,证明了所提出的基于改进贝叶斯优化的预测模型的精确性与高效性。并将该模型应用到齿轮传动系统参数敏感性分析中,研究了系统参数在交互耦合作用下对系统啮合接触特性的影响规律。