减速机广泛应用于动力传递机械结构中,一旦发生故障将严重影响工业生产中的人身安全和经济效益。本课题以RV系列低速蜗轮蜗杆减速机为研究对象,开展了减速机故障识别与诊断研究。主要研究内容如下:1)分析了低速蜗轮蜗杆减速机的主要故障类型,设计了一套减速机故障诊断方案,搭建了减速机实验台。2)结合减速机实验数据进行了特征提取,分析比较了不同方法的提取结果,最终选用经验模式分解方法提取故障特征。3)研究了不同核函数及模型参数对支持向量机分类效果的影响,并针对实验分析结果提出利用粒子群算法来优化分类器的模型参数。通过将优化后的分类器应用到实际减速机的故障诊断试验中,与未进行参数优化的分类器对比表明,分类正确率得到了提高。4)针对单个传感器测量数据不足以反映减速机复杂的故障信息的问题,引入了多传感器信息融合技术,通过将SVM的输出经Platt缩放之后转换为D-S证据理论的BPA输出,设计出一种将SVM与D-S证据理论相结合的融合诊断系统。通过实验对比可以看出,融合之后的诊断系统分类正确率得到了提高。