齿轮箱是各种旋转机械设备中最为重要的部件之一,当其出现故障时设备将无法正常工作,有着很大的安全风险,因此对齿轮箱进行准确地故障诊断是十分有现实意义的。本文以直升机为背景,选取齿轮箱中齿轮作为研究对象,基于振动信号,从信号处理、特征提取以及故障分类等方面进行了探究,具体的工作内容如下:首先对齿轮箱中最常见的故障类型进行了介绍,探究了几种故障产生的原因以及齿轮箱的振动机理,从动力学的角度说明了齿轮振动与各种动态激励之间的关系。得出了不同故障下齿轮振动信号子频带能量分布不同的结论,为后续的工作打下了基础。接着提出了小波包与深度自编码器相结合的故障诊断模型。首先利用改进的小波包阈值去噪方法对强噪声背景下的齿轮振动信号完成去噪处理,接着对信号的小波包能量进行提取,构成特征向量输入到深度自编码器（Stacked denoising auto encoder,SDAE）网络中提取深层特征,最后利用分类器完成故障分类。该方法能有效降低噪声干扰并取得较好的诊断效果。然后针对SDAE网络最优参数难以选取、权值更新容易陷入局部最优等问题,提出基于自适应遗传算法进行优化的方法。本文使用自适应遗传算法进行SDAE网络参数的选取,并对网络的权值训练进行优化。通过对比,优化后的诊断模型具有更好的诊断效果。最后利用软件开发相关技术设计了一套基于B/S模式的直升机齿轮箱故障诊断系统,该系统具有数据可视化、故障诊断分析、设备维护管理等功能,具备一定的工程价值。