齿轮箱是最重要的机械部件之一,其健康状态直接影响整台设备的运行。若能及时发现齿轮箱的早期微弱故障,就可以有效地避免齿轮箱故障带来的损失。因此研究齿轮箱故障诊断新方法,具有重要的工程意义。滚动轴承和齿轮是齿轮箱的核心零部件,同时故障率较高。因此本文以二者为主要的研究对象,围绕一种新的循环平稳分析方法——快速谱相关,从齿轮箱的微弱故障诊断、复合故障诊断和故障智能识别三个方面展开研究,主要研究内容如下:首先,阐述了课题开展的背景以及本文所做工作的必要性。归纳和总结了齿轮箱故障诊断研究的国内外现状和发展动态。介绍了循环平稳理论的研究现状,为论文工作的开展做了很好的铺垫。然后简述了快速谱相关的基本原理,并利用滚动轴承和齿轮的故障诊断实例表明快速谱相关能够有效提取故障冲击特征,为论文奠定理论基础。由于齿轮箱工作环境恶劣,齿轮和滚动轴承振动信号的故障特征常常淹没于强烈的背景噪声中。为有效提取强噪声背景下的滚动轴承故障信息,提出了一种基于总变差去噪和快速谱相关的故障特征提取方法。总变差去噪对原始信号进行降噪的同时,较好地保留了故障特征信息。快速谱相关有效地提取了降噪信号的故障冲击特征,有利于准确地进行齿轮箱故障诊断。复合故障信号除故障特征信号外,还包含干扰信号,通过传统的方法难以准确分离故障信号。采用一种基于奇异值分解和快速谱相关的方法用于齿轮箱复合故障诊断。利用奇异值分解将包含故障特征信息的趋势分量与干扰成分分离,然后利用集成快速谱相关方法对趋势分量进行共振解调,实现复合故障分离。针对齿轮箱故障智能识别问题,提出一种基于快速谱相关和粒子群优化支持向量机的故障诊断方法。首先,对故障振动信号进行快速谱相关分析,得到快速谱相关谱;然后在快速谱相关谱中选取四个循环频率并求其能量均值,得到信号的特征能量矩阵;最后,将其作为特征向量输入到粒子群优化支持向量机进行训练和测试,实现故障模式智能诊断。以滚动轴承故障诊断为例验证了算法的有效性。