传动系统作为直升机重要部件之一，同时也是极易发生故障的系统，其工作状态直接决定直升机的性能以及飞行安全。因此，研究传动系统故障诊断方法对保障直升机安全飞行，具有重要的实际意义。本文在航空科学基金项目和某直升机设计研究所横向课题的资助下，对直升机传动系统故障诊断方法进行了深入研究。主要工作和成果总结如下：　　（1）提出了一种小波包降噪与局部均值分解(Local mean decomposition，简称LMD)相结合的传动系统故障诊断方法。LMD方法是一种新的自适应时频分析方法，但对噪声比较敏感。为消除噪声对诊断结果的影响，首先利用小波包去除信号中的噪声，然后，进行LMD分解，并将分解后PF分量与分解前信号的相关系数作为判断标准，剔除多余低频PF分量，最后，选取有效PF集进行功率谱分析，提取故障特征。通过仿真数据和真实滚动轴承数据的故障诊断实验，其结果验证了该方法的有效性。　　（2）为了实现故障特征与故障类型之间的关联，本文提出了小波包、LMD分解和径向基函数神经网络(Radial Basis Function Neural Network，简称RBF)相结合的传动系统故障诊断方法。首先采用小波包去除故障信号中的噪声，然后用LMD方法对信号进行分解，计算分解得到的PF分量能量比，作为特征向量输入到RBF神经网络中。为了进行对比，同时选取BP网络作为故障模式的分类器。通过实验得出:经过小波降噪比未经过小波包降噪得到的PF分量能量比更能够反应出不同故障的特征；RBF神经网络比BP神经网络更具有分类能力。同时实验结果验证了该方法能够有效的对滚动轴承故障进行分类识别。