陈向民，段 萌，张 亢，舒国强，卢绪祥，李录平

(长沙理工大学 能源与动力工程学院，长沙410015)

齿轮是机械设备中一种广泛使用的传动部件，常用于传递动力、改变转速和旋转方向。而齿轮失效又是诱发机械设备其他部件故障的重要因素，因此，齿轮故障的检测在机械设备故障的诊断中占有非常重要的地位。

由于工作环境通常较为恶劣，齿轮容易因受到损害而产生故障。而振动分析是齿轮故障检测的一种重要手段，它通过采用振动传感器拾取齿轮的振动信号，分析信号中能量的分布以及频率成分的变化等来诊断齿轮故障。但由于齿轮振动信号的传递环节较多，采用振动传感器从测点拾取的振动信号中很多频率成分已产生了衰减，且受其他部件及其噪声的影响，实际检测到的齿轮振动信号相对较为微弱，因此，需借助较为细致的信号分析方法，以达到提高信噪比和有效地提取故障特征的目的。

对于齿轮故障的特征提取与降噪，其实质是将包含故障信息的信号成分分离出来，而将无关成分去除。目前，常用的齿轮故障特征降噪分析方法主要有如下两类：

(1)基于信号分解的特征提取，如小波分析[1-2]、EMD(Empirical mode decomposition)/EEMD[3-5]、LMD(Local mean decomposition)[6-8]、EWT(Empirical wavelet transform)[9-11]、VMD (Variational mode decomposition)等[12-13]，这类方法先采用信号分析方法对信号进行分解，获得一系列信号分量，再从中挑选出包含故障信息的信号分量进行分析，进而提取故障特征，由于去掉了无关信号分量的干扰，因而达到了降噪的目的；

(2)直接从信号中提取故……