大量的资料表明，磨损不仅能够影响机械设备的工作可靠性，而且也是影响机械使用寿命的重要因素之一。由于机械设备摩擦磨损而产生的磨粒是反映其内部磨损状况极为重要的信息载体，因此，机械设备状态检测和故障诊断的一个重要手段就是对油液中磨损微粒的检测和油液污染度的监测。本课题以齿轮箱中油液污染的颗粒为研究对象，利用油液检测技术、BP神经网络和灰色理论，通过大量的数据建立实测模型，研究油液污染与机械磨损之间的相关关系。通过研究油液污染与机械磨损之间的关系，确定设备合理的维修和更换油液的时间，以及设备可能出现的潜在问题，已达到减少停机时间，节约维修、维护费用，取得效益的最大化。本课题的研究目标为：通过分析齿轮箱中润滑油污染指标与磨损指标之间的相关关系，运用灰色理论来建立齿轮箱的污染-磨损关系模型，实现基于齿轮箱污染指标、磨损指标的历史数据和当前数据，预测齿轮箱磨损趋势变化。最后用实测数据来验证模型的置信度水平。本课题的主要研究主要内容如下：（1）齿轮箱因磨损失效形式不同而有不同的磨损机理，运用油液分析技术分析不同磨损机理下产生磨粒的特征。（2）采用多种油液分析手段如铁谱、光谱、PQ等技术来检测齿轮箱的污染状态与磨损状态，利用BP神经网络建立油液污染指标与机械磨损指标之间的相关关系的模型。（3）以油液污染指标与机械磨损指标之间的相关关系为基础，运用灰色理论建立污染-磨损关系模型。（4）根据所建立的模型，预测齿轮箱磨损变化趋势。并依据实测数据对所建模型不断进行修正、改进，依次对模型的置信度进行评估，通过建模分析、实测数据与预测基本一致，表明可以用油液污染指标来预测机械磨损状况。通过运用BP神经网络和灰色理论建立相应模型对油液污染指标与机械磨损状态的相关性研究，表明工程机械中油液的污染与机械磨损之间有密切的关系，并得到一种利用油液中颗粒含量、种类来判别和预测机械出现故障概率的方法。