减速机在现代工业社会中得到了广泛应用,它能够使机器设备获得最好的运行特性,起到降低生产成本以及节约能源等对现在社会、环境来说都十分重要的作用,所以如何实时监测减速机的健康状况,特别是深入研究最常用的基于振动信号分析减速机故障与否的算法具有重大意义。论文主要研究内容如下:首先,阐明了减速机的类型、基本结构、振动机理、常见故障类型、产生故障原因及减速机实验平台的搭建,详细阐述了减速机的振动信号分析方法。其次,研究了希尔伯特-黄变换(Hilbert-Huang Transform,HHT)过程中经验模式分解(Empirical Mode Decomposition,EMD)时产生端点效应的原因。介绍了两种抑制HHT端点效应的算法:支持向量回归机(Support Vector Regression,SVR)和边界局部特征尺度法(Border Local Characteristic-scale Continuation,BLCC),研究提出了一种基于SVR和BLCC相结合的HHT算法。对比镜像延拓的EMD分解,结合时频分析和Hilbert瞬时参数结果指出,新算法的EMD分解结果比镜像延拓法更趋近于数据的真实结果,证明了新算法有效地减轻了HHT端点效应现象。然后,在盲源分离相关的基本原理的基础上,研究了其中的一种盲源分离算法-特征矩阵的联合近似对角化法(Jointly Approximate Diagonalisation of Eigen-matrices,JADE),提出了一种EMD与JADE相结合的新算法,用仿真及实测信号分析结果证明了EMD-JADE新算法能够解决JADE算法只能用试配方法来构造虚拟噪声去匹配真实噪声用来降噪的问题。最后,在减速机运行时存在噪声异常但无法定位减速机的具体故障的情况下,结合前面研究的经过端点效应消除的EMD分解,开发了一套适合RV40型号的蜗杆减速机在线检测系统,并对检测系统诊断界面进行了展示。