高效、高可靠性的齿轮传动系统,广泛应用于轨道交通、航空航天等领域。齿轮箱是齿轮传动系统的核心零部件,其结构复杂,在极端恶劣的服役环境下,经常发生齿轮断齿、齿面点蚀、齿面磨损及传动轴弯曲等故障。服役齿轮箱采集到的振动信号错综复杂,常见的故障分析与诊断方法如傅里叶变换、倒频谱分析等,难以从包含大量噪声的振动信号中提取出各种故障特征。因此本文提出了一种基于小波包分解、EMD方法及奇异值分解联合去噪的齿轮箱故障诊断方法。论文首先从理论上分析了齿轮箱的振动机理、故障形式、发生故障的原因和调制现象;其次详细分析了齿轮的振动机理及振动信号调制规律。接着介绍了EMD的相关基本概念,研究了EMD的原理、性质及不足并针对其存在的端点效应问题提出了一种改进的序列延拓方法,并通过与传统EMD方法进行仿真试验对比验证了该延拓法的有效性。引入了奇异值分解,介绍了奇异值分解的原理,通过将奇异值分解和改进的EMD结合实现了信号特征成分的提取。接着介绍了小波分析的基本理论,研究了小波理论的降噪原理,并结合仿真实验的结果证明小波包分解的去噪性能要优于小波分解,进而将小波包分解与EMD和奇异值分解相结合,实现了信号的去噪以及目标频率成分的精准提取,大大提高了处理频谱的效率。建立了齿轮传动试验平台,来模拟齿轮传动系统的工作环境,并根据平台模拟出齿轮发生齿轮断齿、齿轮点蚀及齿面磨损等单故障时候的振动信号及复合故障的振动信号,然后使用本文所提的小波包分解与EMD、奇异值分解结合的故障诊断方案对这些信号进行降噪处理,处理完毕后通过FFT和倒频谱对故障部位及类型进行判断,并将该方案与直接对原信号进行时频分析的方法进行了对比,结果表明该方案能更为清晰的获得振动信号中的故障特征频率,从而验证了诊断方案的可行性及准确性。