齿轮作为工业设备传动系统的关键零部件,被广泛应用于交通运输、国防军工、工厂生产、城市建造等各个领域,其稳定运行可保证系统整体的可靠性与效率;但是,齿轮在传递扭矩的过程中受安装、润滑、材料特性影响易发生磨损,进而导致齿轮表面剥落、齿根裂纹甚至断裂等故障,因此,齿轮早期磨损故障的准确诊断对整个系统的健康管理有着十分重要的意义。齿轮的工作环境通常比较复杂,早期磨损故障信号的微弱性使得诊断难度大,传统的信号获取与特征分析方法难以满足故障诊断的要求,因此,国内外研究重点在于能够精准判断齿轮磨损程度的有效方法。针对单一监测方法,如振动、润滑监测在齿轮故障诊断、定位方面表现出的不足,本文利用多源信号融合的方法来实现齿轮磨损故障的准确诊断,主要工作内容如下:（1）设计建设了齿轮箱故障模拟实验台,根据实际需求配置了振动信号与油液信号在线监测系统,同时监测振动加速度、油液品质与油液磨粒信号。基于多源信号融合需求,提取振动信号中对齿轮故障敏感的峭度、有效值与标准差等时域特征,及特征频率与倍频等频域特征;针对油液信号,采取变化量与变化率相结合的方式进行趋势分析,为之后搭建故障诊断模型奠定了基础。（2）针对机械故障诊断领域常见的数据样本不足、不平衡问题,基于变分自编码器提出了一种融合特征重构模块与高维变分自编码器的故障诊断模型（HDVAE-FR）。从模型优化与数据扩充两方面入手,提升了模型的特征挖掘能力,并生成有效样本,在多个数据集下验证了该方法的精确性及鲁棒性。（3）针对多级传动下齿轮磨损故障难以识别的问题,提出了一种加权DS证据理论的融合诊断模型,该方法使用BP网络融合振动时域信号与油液信号获取证据体1,使用HDVAE提取振动频域特征获取证据体2,通过权重分配优化DS证据理论,实现决策级融合,消除了证据冲突现象。经本文实验台数据验证,融合诊断方法在齿轮磨损故障识别方面相比其他故障诊断方法有着更高的准确率。