齿轮箱是机械设备中的基础性部件,其运行状态对整个设备的安全运转至关重要。由于齿轮箱结构复杂,工作环境恶劣,在运行过程中易出现故障,特别是齿轮和滚动轴承容易发生故障,从而影响整个设备的运转。有必要采用有效的信号处理技术,从齿轮箱振动信号中准确提取出有用的故障信号,对齿轮箱进行故障诊断。本文针对齿轮箱中齿轮与滚动轴承的复合故障,采用改进小波阈值降噪、完备聚合经验模态分析(Complete Aggregation Empirical Mode Decomposition,CEEMD)和约束独立分量分析(Constrained Independent Component Analysis,CICA)结合,成功地从仿真和实测齿轮箱振动信号中提取出齿轮和滚动轴承的故障信号。论文主要工作有:首先,介绍了齿轮和滚动轴承的振动模型及其常见失效形式,总结了齿轮箱故障诊断常用信号处理方法。同时,利用动力传动故障诊断综合试验台(Drivetrain Diagnostics Simulator,DDS)模拟了齿轮箱中齿轮和滚动轴承的复合故障,并采集了单通道齿轮箱振动信号。另外重点研究了独立分量分析(Independent Component Analysis,ICA)和CICA的基本原理,通过仿真信号验证了CICA算法优于Fast ICA算法。其次,研究了改进小波阈值降噪方法,介绍了小波变换和小波阈值降噪的原理。在传统的软硬阈值函数基础上,采用了改进的阈值函数,此阈值函数既有传统软硬阈值函数的优点,又在一定程度上避免了软硬阈值函数的缺陷。此外,利用仿真和实测信号验证了本文的改进小波阈值函数的可行性。最后,采用CEEMD方法作为单通道信号预处理的方法,并针对单通道齿轮箱复合故障信号问题提出了IWT-CEEMD-CICA算法。研究了有效本征模态分量(Intrinsic Mode Function,IMF)的选择标准问题,通过仿真信号和实测振动信号验证了本文提出的算法的优越性,可以有效地从单通道复合故障信号中提取出故障信号。