高素杰 巫世晶 周建华 郑 攀 陈 奔 许家才

（1 武汉大学 动力与机械学院， 湖北 武汉 430072）

（2 国能云南新能源有限公司， 云南 昆明 650214）

0 引言

行星齿轮箱具有结构紧凑、传动效率高、承载能力强等优势，被广泛应用于航空航天、风力发电、冶金等领域[1]。由于行星齿轮箱通常工作在恶劣的环境条件下，其太阳轮、行星轮以及内齿圈等关键部位很容易发生点蚀、裂纹、断齿等故障，若故障不能被及时发现，将影响系统正常运转，诱发严重事故[2]。因此，准确、可靠诊断行星齿轮箱故障对提升其服役性能有重要意义。

齿轮出现故障时，往往会产生非平稳、非线性振动信号[3]，由于实际采集到的振动信号中通常含有较多频率成分，噪声干扰较大，传统时域分析方法，如偏度、峭度等，抗噪能力差，分析效果不够理想[4]。近年来，时频域分析和熵值特征分析被广泛用于齿轮箱故障特征提取。张海潮等[5]提出了一种基于EMD 和Hilbert 谱的齿轮箱故障诊断方法，相较于小波变换，能更精确地体现故障特征。王涛[6]提出了一种基于EEMD 和FWT 的集成方法，可有效降低信号噪声，提高信噪比。董治麟等[7]提出了一种时移多尺度排列熵（TSMPE）与极限学习机结合的滚动轴承故障诊断方法。程军圣等[8]将LMD 和时域分析提取到的特征应用于轴承故障诊断。何雷等[9]提出了一种噪声辅助LMD 与时域分析结合的方法，并应用于变速箱齿轮和轴承的故障诊断。Sharma S等[10]提出了一种基于柔性小波与排列熵集成的故障诊断方法。蒋玲莉等[11]采用基于CEEMDAN 排列熵与SVM 集成的方法，对弧齿锥齿轮3 种不同程度断齿状态进行了识别。……