传动齿轮箱故障有影响因素多样和表现行为多变的特点，对齿轮箱进行故障诊断也是一个复杂的过程。目前阻碍齿轮箱故障诊断技术发展的主要问题是：如何准确地将故障特征从复杂的齿轮箱运行状态信息中提取出来；如何提高故障诊断的可靠性和有效性。本文主要对传动齿轮箱故障诊断的理论和实现进行研究。首先，对传动齿轮箱故障诊断系统进行了总体设计。本文诊断策略灵活而有弹性，采用常规故障诊断系统为简单而常见的齿轮箱故障进行故障诊断，采用智能故障诊断子系统积累知识库对复杂故障进行诊断。其次，在理论上建立了传动齿轮箱故障诊断的模型，分析了齿轮箱振动机理和振动信号成分，为进一步进行分析打下基础。齿轮箱上测得的振动信号有平稳信号、周期平稳信号和冲击性信号三种。本文阐述了时域分析、频域分析、解调分析三种诊断手段的原理。在进行齿轮箱故障诊断时，对信号进行振动分析是解决问题的有效手段。再次，采用小波神经网络对传动齿轮箱进行故障诊断。小波分析可以实现信号降噪和频带分析，小波分析在信号处理方面优势较大；人工神经网络可以在故障的模式识别方面出色地发挥能力，可以将小波分析和人工神经网络的优势结合起来。小波分析对神经网络的切入点主要有外部结合和内部耦合两种，本文采用外部结合手段，即松散型小波神经网络。用小波包分解获得的频带分量作为输入，传递给小波神经网络进行故障诊断，在神经网络内部采用反向传播算法作为后置处理手段。对齿轮箱故障诊断的常规手段和智能故障诊断手段进行了仿真，采用小波神经网络对齿轮箱的故障进行了网络训练和模式识别，诊断正确率较高，可以有效地对齿轮箱故障进行诊断。最后，对传动齿轮箱故障诊断系统进行了实现研究，可以利用常规分析和智能分析对齿轮箱进行故障诊断。在开发的齿轮箱故障诊断系统中，主要组成部分有系统管理、信号分析、常规故障诊断、智能故障诊断四个子系统。对于不同测试功能，软件会根据具体要求自动调用相应的功能子系统。