滚动轴承为旋转体提供可靠稳定的支撑，承受旋转体自重及工作载荷的同时保证旋转体的回转精度；齿轮通过啮合输出或传递动力及运动。齿轮箱关键部件出现故障必然会影响设备运行的稳定性、承载能力和精度，因此研究快速有效的故障诊断技术具有重要意义。本学位论文以此为出发点，将齿轮箱作为研究对象，针对齿轮箱中早期微弱冲击性故障难以有效辨识，故障特征受到工况噪声的影响难以提取的问题，深入研究了基于反褶积方法的滚动轴承早期故障诊断的新方法。主要的研究内容包括：　　（1）从齿轮箱发生冲击性故障的机理出发，确定以提取齿轮箱中的周期冲击特征作为研究的重点。通过机理分析，明确冲击故障在振动信号中的表现形式，有针对性的提取处理故障信号，提取表征故障的有用信息。　　（2）齿轮箱的工作状态会受到载荷和转速的影响，频谱分析中载荷主要影响信号的幅值，转速主要影响频谱的分布。因此，齿轮箱故障诊断过程中应重点考虑转速的影响，恒定转速的情况可直接对已处理进行频谱分析进行故障诊断；变转速工况本文使用计算阶次跟踪，即角域重采样，消除因转频变化引起信号非平稳性的影响。　　（3）最小熵反褶积方法可以提取信号中的冲击成分，但不具有周期指向性。因此，提出自回归滑动平均系数滤波与反褶积相结合的方法进行齿轮箱冲击故障特征提取。其中，自回归滑动平均系数设计正向滤波器用于增强信号的周期成分，最小熵反褶积逆滤波器用于提取信号中的冲击成分。　　（4）相关峭度可以表征信号中周期冲击成分的水平。最大相关峭度反褶积方法存在使用单一理论周期无法得到局部最优的逆滤波器系数的问题。因此，提出级联最大相关峭度反褶积方法，使用理论周期向量代替单一周期值，计算得到局部最优逆滤波系数进行反褶积滤波。　　通过仿真分析验证了本文方法在提取含噪声信号中周期冲击成分方面的正确性，并在此基础上进行实验验证和工程实例应用均达到预期的诊断要求。为满足用户需求和研究成果转化，编写完成一套基于本文核心研究方法的故障诊断系统，并完成测试。