张 鑫，朱良明，崔伟成

(1.海军装备部 装备项目管理中心，北京 100071；2.海军航空大学，山东 烟台 264001)

0 引言

齿轮作为机械传动的关键部件，广泛地应用于火炮、导弹发射装置随动系统及雷达天线的自动瞄准跟踪中[1]。但由于运行环境恶劣及自身工艺、结构的问题，故障率较高；同时，故障监测、诊断不易实施，制约了武器装备维修、保障工作的开展。齿轮发生故障时，其故障特征反映在振动信号中，而加装振动传感器对装备运行几乎没有影响，因此，通过振动信号分析进行故障特征提取及诊断是一种可行的方法。

齿轮故障振动信号分析中，故障特征提取是核心。在工程中，希尔伯特(Hilbert)包络分析是最经典的方法，通过Hilbert变换对信号解调求取包络，对包络信号求取频谱得到包络谱，进而通过包络谱确定故障的有无及类型。但齿轮故障振动信号具有非平稳、非线性和信噪比低等特点，直接Hilbert包络分析往往不能充分提取故障特征。因此，在噪声背景下准确地提取出周期性的冲击特征是齿轮故障特征提取的关键[2]。

最小熵解卷积(minimum entropy deconvolution，MED)最早由Wiggens于1978年提出[3]，它以最大峭度作为求解滤波器的迭代终止条件，能起到突出信号中的冲击特征的作用，已成功应用在旋转机械的故障诊断中[4-6]。但MED只是突出冲击特征，而不是周期冲击特征。针对其不足，McDonald等在2012年提出了最大相关峭度解卷积(maximum correlated kurtosis deconvolution，MCKD)[7]。该方法以周期性脉冲为解卷积目标的需要，可根据故障周期的先验知识，对非整数故障周期进行预处理。……