中文摘要：

大型复杂系统的在线监测与故障诊断及准确定位一直是设备维修特别关心和亟待解决的问题，同时也是保证设备正常运转和安全生产，可靠工作的重要环节，受到各方面人士的普遍关注。课题将采用理论研究与实验研究相结合的策略，建立一整套基于群体智能分析的传动箱故障诊断新理论和技术方法，解决实际应用中振动响应信号相互叠加与干扰，有效敏感特征参量难以提取，传统神经网络故障诊断方法收敛速度慢，难于故障准确定位和实时诊断的问

结论摘要：

大型复杂系统的故障诊断是保证设备正常运转，可靠工作的重要环节，受到各界人士的普遍关注。本项目采用理论与实验研究相结合的方法，研究了基于群体智能分析的传动箱故障诊断新方法，并在实验室二级齿轮传动箱上进行了实验验证，诊断效果较好，确诊率达到90%以上。该项目在以下几个方面取得较好的进展对现有的粒子群优化算法进行了改进，加快了收敛速度；提出了基于粒子群优化的神经网络技术故障模式识别理论；探讨了基于粒子群优化的盲源分离技术，可极大地增强故障特征信息；将粒子群优化技术用于多种故障参量的分类与筛选，对特征参量集进行了初步优化，建立了以能量比重谱、1/3倍频程谱和高阶累量谱为主要特征参量的对各种故障敏感的特征参量集。该项目的研究，为大型复杂机械系统故障诊断提供了有效地故障特征参量建立方法，为建立基于群体智能的故障诊断理论体系提供了技术支持，探讨了实际中有效敏感特征参量难以提取，故障难于准确定位的问题，对机械故障诊断学研究范围的拓展起到一定的促进作用。