该文通过对国内外有关神经网络和齿轮箱故障诊断文献资料的学习与综合,针对目前在故障诊断领域常用的误差反传网络(即BP网络)在应用与理论上的不足,如学习速度较慢、收敛性较差等,提出了将用于模式分类的小波神经网络引用到齿轮箱故障诊断中.文章阐述了小波神经网络引入的必要性以及它的基本原理,构造了一个用于齿轮箱故障诊断的小波神经网络,并通过一简单的数学分类问题证明了小波神经网络的学习速度、收敛性、联想性及稳健性等基本性能比BP网络有了较明显的提高;文章还综合出了齿轮箱中常见的十种典型故障,分析了它们各自的故障振动特征,提取出它们的振动特征参数;在此基础上,作者在Windows环境下开发了一套基于小波神经网络的齿轮箱多元故障综合诊断系统,该系统采用结构化设计方法,由下拉式菜单及弹出式窗口组成立体操作界面,系统的振动信号分析部分包含了一些常用的信号处理方法,使系统具有良好的人机交互性能、易操作性和较强的信号处理能力.最后,文章通过实验验证了小波神经网络在齿轮箱典型故障诊断中的实用性,可望进一步推广到整个故障诊断领域中.