齿轮箱广泛应用于各种机械传动设备中,一旦发生故障,将会降低设备的安全可靠性,可能造成财产损失和人员伤亡。因此,齿轮箱的准确监测、诊断与分析是非常必要的,并具有重要的经济与社会意义。近年来,如何在强噪声背景下提取隐含的微弱故障信息一直是热点和难点。本文通过对齿轮箱的振动机理、特性研究,以同步压缩小波变换（Synchrosqueezing compression of wavelet transform,SWT）、快速谱峭度和最大相关峭度解卷积（Maximum correlation kurtosis deconvolution,MCKD）为分析工具,重点研究多级齿轮传动的低速齿轮故障特征提取方法,最后通过仿真和实验证明本文提出方法的可靠性和可行性。主要内容如下:（1）SWT方法的基本理论。在介绍SWT的基础上,重点研究了SWT在处理多分量信号时较CWT方法的优越性。通过仿真验证,SWT方法在提高时频分辨率,抑制能量泄露和模态混叠方面较CWT方法都有很好的效果。（2）针对多级齿轮传动低频故障特征难以提取,且传统谱峭度参数需要人为估算等问题,提出了SWT和快速谱峭度相结合的故障诊断方法。首先,采用SWT方法将多分量振动信号分解为若干内禀模态分量（IMT）;然后,选取合适分量进行快速谱峭度带通滤波;最后,对滤波后的信号进行包络解调分析,识别齿轮低频故障特征,实现故障诊断。但该方法对特别微弱的故障特征提取效果不太好。（3）针对多级齿轮传动低频微弱故障特征难以提取,以及传统共振调节无法很好地突出微弱故障冲击成分的问题,提出了SWT和MCKD相结合的方法。MCKD方法可以充分利用冲击故障的周期特征,有效抑制噪声和其他振动成分的影响。采用SWT方法可将多分量振动信号分解为若干内禀模态分量（IMT）,选取合适的IMT重构信号,并对重构信号进行MCKD滤波,突出故障冲击成分;最后,对滤波后信号包络解调,提取齿轮低频微弱故障特征,实现更准确的故障诊断。实验结果表明,该方法要优于SWT和快速谱峭度相结合的方法。图62幅,表11个,参考文献69篇。