齿轮箱作为机械设备中的常见部件,在设备工作时主要实现传动的功能,其性能的优劣对设备的安全运转起到至关重要的作用。由于设备工作环境及工作强度的影响,齿轮箱也是极易发生故障的部件之一,且容易出现多故障并发的情况,主要体现在齿轮及轴承的磨损和裂纹等方面。在对实际采集的振动信号进行分析时,往往包含了混合故障信息,因此,需要找到合适的信号处理技术,将有用的故障信息从成分复杂的原始信号中提取出来。盲源分离技术兴起于上世纪九十年代,近年来开始广泛应用于信号识别与处理领域。盲源分离对齿轮箱的振动信号分析具有普适性,本文针对齿轮箱中常见的齿轮与滚动轴承混合故障,在单通道信号采集条件下,研究了基于EEMD预处理和CICA盲源分离技术相结合的单通道盲分离方法,以实现混合故障的分离和分析。通过仿真实验验证了该方法的可行性,并将其成功应用于实验台齿轮箱中单通道混合故障信号的分离和故障特征的提取。论文主要包括以下内容:首先,分析了齿轮箱中齿轮及滚动轴承的振动原理以及故障特征形式,建立仿真信号,依据齿轮及轴承故障特征的不同特点,介绍了对应的故障频率分析解调算法,并利用仿真信号验证了Fast ICA算法的盲源分离效果。其次,对单通道信号的预处理旨在实现通道扩展与降噪作用,利用EEMD算法处理单通道信号,重点研究了EEMD分解得到的IMF分量的选择,提出了基于白噪声统计特性与峭度值结合的筛选准则,更加准确地提取出包含故障信息的分量,为下一步进行盲源分离打好基础。最后,分析EEMD与盲源分离算法在单通道混合故障诊断方面的优势,提出了EEMD-CICA结合算法。利用仿真信号,验证了本文方法针对单通道混合故障信号特征提取的可行性与有效性,并对动力传动故障综合实验台的混合故障实测数据进行分析,验证了EEMD-CICA方法在单通道混合故障的信号提取方面的优越性。