发动机作为机动车的核心构件,内部结构极其复杂,存在多种不平衡旋转和往复式运动的齿轮及轴承。故障信号多表现为非线性、非平稳的脉冲调制信号,并且存在严重的噪声污染,特别是在早期故障中,对有效提取特征频率进而进行故障诊断带来困难。为了能够有效提取发动机故障信息,本文确立了分离特征频段和提取特征频率的二级分析思路,对经验小波变换和零频滤波算法进行了研究。首先,为有效分离特征频段,针对非平稳信号的时频分析手段,通过仿真模拟分析比较了经验模态分解（EMD）、小波包变换（WPT）和经验小波变换（EWT）三种自适应分解方法的优势和不足。结果表明,经验模态分解和小波包变换均存在过度分解的现象,分解分量中明显分离出原始信号中不存在的虚假冗余成分,并且存在大量频率重叠。相比经验模态分解和小波包变换,经验小波变换的分辨能力明显更高,在弱噪声下能够准确并且独立地分解出各个分量,既不存在过度分解也避免了频率混叠,但在强噪声下由于噪声峰值干扰,导致频带划分不合理,出现了局部频率混叠的现象,存在一定不足。针对EWT分解的不足,提出基于小波能量谱和Otsu法的改进方法,通过对信号的小波能量谱图作Otsu计算,将图像像素进行二值化阈值分割,确定最佳阈值kT,然后对第一次EWT分解分量进行筛选,计算其Otsu值,将能量值大于kT的分量所对应的频带保留,将能量值小于kT的分量所对应的频带进行合并,得到新的频带划分方案,再次进行EWT分解,完整分离出特征频段。然后,创新地将语音信号处理中新近提出的零频滤波算法应用到故障信号处理中,通过对特征频段时域信号的归一化希尔伯特包络进行连续积分,并计算零频滤波输出与其局部均值的残差,提取并放大信号中由于脉冲激励引起的不连续特征,同时有效削弱噪声,在零频滤波输出的残差信号中,提取特征频率。在此基础上,完整地提出了基于改进EWT分解和零频滤波的二级故障诊断方法。最后,以某款JS110摩托车发动机为研究对象,针对其右曲轴箱异响问题进行基于改进EWT分解和零频滤波的故障诊断方法的声信号处理,完整分离出2000～4000Hz特征频段,并在零频滤波输出的残差信号中准确提取到特征频率27Hz及其二、三倍频,小波能量谱也表明残差信号能量主要集中于27Hz处,进一步证明了分析结果,确定异响来源于机油泵驱动齿轮轴,验证了该方法的有效性。