齿轮作为旋转机械设备的关键零部件,主要被用来传递扭矩和改变运动方向,齿轮的工作状态直接影响机械设备工作的安全性和稳定性。在复杂工况下或长时间运转,齿轮具有较高的故障率,因此,监测齿轮运行状态,在线诊断齿轮故障,对于确保机械设备安全运行和提高生产效率具有重要意义。齿轮的典型故障主要包括:断齿、点蚀、磨损,齿轮出现故障时通常会使设备产生周期性振动,常规的时域、频域等信号处理方法无法准确的从蕴含较多噪声成分的非线性、瞬时突变非平稳振动信号中提取出故障信息,这就给齿轮故障诊断增加了难度。本文提出一种基于GHM多小波变换与MCKD的齿轮故障诊断方法。首先,根据齿轮的振动机理,建立齿轮传动系统的简化振动物理模型,以此模型为基础,对具有较大冲击能量的故障信号产生的调制现象进行分析,建立故障信号的调制模型,分析带有调制现象的齿轮典型故障振动信号频谱特征。其次,研究最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)的基本理论,提出GHM多小波变换与MCKD相结合的齿轮故障诊断方法;以齿轮点蚀故障为例对齿轮振动信号进行仿真,用仿真信号验证了故障诊断方法的有效性。然后,搭建齿轮典型故障模拟实验平台及数据采集系统,采集无故障工况、齿轮点蚀故障和局部断齿故障的振动信号,采用GHM多小波分解与重构方法处理信号,再进行MCKD算法处理,最后对包络谱进行分析,提取故障频率。实验结果表明,结合GHM多小波变换和MCKD算法,能够从带有多重双边带、具有多频率干扰的振动信号中,准确提取齿轮的故障频率。该方法有利于实现齿轮典型故障的在线诊断,为机械故障实时监控和在线诊断的研究提供了一种有效方法。