汽车变速器的故障诊断理论已经发展了几十年,由于变速器轴承故障信号非常复杂,要准确诊断出其中的故障类型及故障位置将涉及到多方面的理论。而滚动轴承又是汽车中最常用也是最易损坏的零件之一。因此,本文从汽车变速器的滚动轴承研究出发,通过对汽车变速器滚动轴承的故障信号进行振动分析,希望能找出适合汽车变速器轴承故障在线诊断和离线诊断的有效方法,为具有人工智能的汽车变速器轴承故障诊断专家系统的建立奠定基础。在研究信号处理和故障分类方法前,首先建立了滚动轴承故障诊断的试验装置,利用该装置采集了大量故障轴承的样本,为研究滚动轴承故障诊断的信号处理方法以及研究滚动轴承的状态分类提供了数据样本,并通过该装置进行轴承故障在线检测。同时,本文系统分析了滚动轴承的故障类型,故障机理以及故障原因,为有效地进行轴承的故障分析,提供了理论的支持和指导。在振动分析的基础上,由提取故障特征的基本信号处理方法出发,研究了傅立叶变换,希尔伯特变换,谱分析,小波分析,相关小波解调,自适应谱分析的信号处理方法,并通过对数据的处理,验证各种特征提取方法的效果。最后,针对滚动轴承故障特点,结合专家经验,在VC++和Matlab平台上,建立汽车变速器滚动轴承的专家诊断系统。同时在Matlab平台上,开展以神经网络作为滚动轴承状态分类器的研究,通过对数据样本的分析,证明了BP神经网络在汽车变速器轴承故障诊断中的有效性。同时,通过在线检测和离线分析,验证了专家系统的有效性,证明在系统中所使用的推理方法和专家知识库能有效对汽车变速器轴承进行故障分类。