周小龙，张耀娟，王 尧，陈 思，马风雷

(1.北华大学机械工程学院，吉林 吉林 132021； 2.长春汽车工业高等专科学校汽车工程学院，长春 130013；3.长春工业大学机电工程学院，长春 130012)

0 引言

齿轮是旋转机械设备中的重要零部件，其健康状态将直接影响设备的运行状态和生产效益。在齿轮的实际工况中，其工作环境十分恶劣，早期故障所产生的故障特征比较微弱，易淹没在强背景噪声中[1]。因此，对于齿轮故障特征提取及诊断方法的研究具有十分重要的意义。

当齿轮发生故障时，其振动信号往往表现出强耦合性、非线性和非平稳性的特点[2]。近年来，经验模态分解[3](Empirical mode decomposition，EMD)方法由于具有自适应性和较高的时频分辨能力，被广泛应用于齿轮振动信号的分析。但由于自身算法的限制，EMD在分解信号过程中易产生模态混叠问题，这将严重影响分析结果的准确性，并限制了故障诊断精度的提高[4]。目前解决模态混叠问题最为常用的方法是由Wu Z等[5]所提出的集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)方法。但实际计算中，受限于白噪声添加次数，EEMD分解中所添加的噪声难以完全消除，这在一定程度上影响了模态混叠问题的处理效果与信号特征提取的准确性[6]。针对上述问题，Dragomiretskiy K等[7]提出一种非递归式自适应信号处理方法——变分模态分解(Variational Mode Decomposition，VMD)。VMD以求解变分问题最优解的形式筛选IMF分量，因此，可有效避免分解过程中模态混叠问题的产生。

齿轮在故障状态下的振动信号同正常情况相比，携带了很多微弱故障信息。……