齿轮作为旋转机械的重要组成部分,具有传动效率高、传动比精准等优点,在工程领域得到广泛应用。由于长时间工作在载荷多变的环境下,使得齿轮的轮齿在长期应力作用下很容易出现裂纹或者断齿等故障。一旦齿轮出现故障会使传动系统发生瘫痪,重则会影响设备的安全运行,导致重大的经济损失甚至对生命造成威胁。所以,能够及时地检测出齿轮是否发生故障以及诊断出对应的故障模式具有较大的经济与学术价值。为实现对齿轮的故障诊断,本文主要做如下研究:(1)齿轮振动信号的预处理由于环境、振动等噪声对采集的齿轮信号产生干扰,给齿轮的故障特征提取和诊断带来困难。针对这一问题本文提出了互补集合经验模态分解(CEEMD)结合奇异谱分析(SSA)的降噪方法,利用CEEMD方法对齿轮振动信号进行分解,根据自相关系数的方法对分解后的模态分量(IMF)进行筛选然后重构,利用SSA对重构的信号做降噪处理。实现对齿轮振动信号的降噪,实验验证这种方法有着较好的降噪效果。(2)齿轮故障特征的提取针对齿轮故障特征提取的问题,本文采用基于连续小波变换的时频分析方法对降噪后的齿轮振动信号进行时频分析并生成时频图,时频图能够很好地表征出齿轮信号的故障特征。(3)齿轮故障的诊断针对齿轮的故障诊断问题,本文应用深度稀疏自编码器对提取的时频特征进行诊断识别。实验结果表明,将深度稀疏自编码应用到齿轮的故障诊断中有着良好的诊断结果。