刘 峰，任丽佳

（上海工程技术大学电子电气工程学院，上海 201620）

行星齿轮箱被广泛地应用于各种传动系统中，例如：风力涡轮机、直升机、卡车等，其工作状态正常与否会影响整个传动系统的效率。当行星齿轮箱发生严重（晚期）故障时，振动信号表现出明显的周期性冲击，通过常规的时-频分析手段即可诊断出。但是在实际工业环境中，往往要求对行星齿轮箱进行早期故障诊断，为机器决策维修提供充裕的时间。因此，行星齿轮箱进行微弱故障特征的提取，识别出行星齿轮箱故障状态，对保证行星齿轮箱的可靠性运行起到了至关重要的作用。怎样及时地发现行星齿轮箱的微弱故障特征，避免造成重大事故一直是国内外研究的热点。

近些年来，微弱故障特征提取一直是研究的重点和难点[1]。可用于微弱故障特征检测和诊断方法有许多种，其中振动信号分析最为广泛[2-3]。谱峭度[4]、最小熵解卷积[5]、经验模态分解[6]、奇异值分解[7]等方法分别对传感器收集到的振动信号进行处理，分析提取出的振动冲击信号，并且可以提取出微弱故障特征，诊断行星齿轮箱故障状态。为了能够更好、更准确地识别出微弱故障，有时候也将上面的两种或几种方法结合起来[8-9]。

本文首先对收集到的行星齿轮箱信号进行烈度因子分析，通过烈度可以识别出处于不同故障状态的行星齿轮箱。然后对处于微弱故障状态中的信号进行局部均值分解（LMD），根据各个PF分量的快速谱峭度图，选取含有丰富冲击分量的PF，对信号进行重构。……