邓博元，崔伟成，曾庆松，李晨瑄

(海军航空大学，山东 烟台 264001)

0 引言

齿轮传动是各种工业设备中应用广泛的机械传动方式之一，具有结构紧凑，工作可靠等优点。但是，齿轮也是故障发生较多，故障检测困难的零件之一。统计数据表明，齿轮箱中的齿轮发生故障的比例高达60%[1]。齿轮一旦出现故障，轻则会影响设备正常运转，严重的甚至会危害操作人员的人身安全。所以对齿轮故障的及时检测诊断具有十分重要的意义。

当前，通常使用振动信号分析的方法对机械设备进行故障诊断。齿轮发生故障时的振动信号可以看做多个调频—调幅信号的叠加，具有非平稳，非线性的特点[2]。同时，由于机械设备运行时的背景噪声以及振动信号传输路径等因素的影响，从包络谱中直接获取齿轮故障的特征频率较为困难，如何从复杂的齿轮振动信号中提取出故障特征信号成为了当下研究的热门话题。

针对振动信号非平稳、非线性的特点，目前应用较多，效果较好的方法是信号自适应分解类方法，尤其是基于经验模态分解(empirical mode decomposition，EMD)的故障诊断方法。该类方法的主要流程是首先对原始信号进行EMD分解，得到多个本征模态函数(intrinsic mode function，IMF)；之后依据某种准则(如峭度准则)选取一个最优IMF作为含有故障信息的有效分量；最后对选取的有效分量进行包络谱分析，判断齿轮是否存在故障以及故障类型[3-4]。

但是在使用过程中，发现此类方法存在4个问题，一是由于EMD算法存在模态混叠问题，即在对信号进行分解时有可能将一个分量分解成多个IMF[5-6]。……