郭德伟， 普亚松， 江洁， 俞利宾， 闵洁， 张文斌

(1.红河学院 工学院，云南 蒙自 661199；2.云南省高校高原机械性能分析与优化重点实验室，云南 蒙自 661199)

0 引言

齿轮箱是机械设备中进行运动和动力传动的主要部件。在齿轮传动过程中，齿轮的失效常常会诱发机器故障，进而引发设备停机甚至损坏，因此，研究强噪声环境下的齿轮故障特征参数提取技术一直是旋转机械故障诊断的研究热点[1-2]。N.E.Huang等[3]提出的经验模式分解方法吸引了众多学者的关注，它从传统的正交基函数展开，跨越到完全由数据驱动的对任意复杂信号具有自适应能力的信号表示。但是，经验模式分解方法存在如信号中的奇异点容易导致模式混淆、在噪声干扰下不稳定等问题。集合经验模式分解(Ensemble Empirical Mode Decomposition, EEMD)方法在对白噪声进行经验模式分解的基础上，将白噪声加入信号来补充一些缺失的尺度，可较好地减轻模态混叠现象，但仍然不能有效地消除模态混叠现象。在经验模式分解思想的启发下，一些学者提出了新的自适应模式分解方法，自适应局部迭代滤波[4]就是其中比较有代表性的一种。自适应局部迭代滤波方法在保留经验模式分解方法思想的基础上，通过引入Fokker-Planck方程设计滤波器的方式，有效避免了在分解过程中产生虚假分量，更加适用于分析非线性非平稳信号。自适应局部迭代滤波方法已被应用于电力系统非平稳信号的特征提取[5]、滚动轴承的故障特征提取[6]中，取得了较好效果。……