作为机械设备中的重要组成部分,齿轮箱通常是生产企业的核心设备。为了确保齿轮箱的顺利运行,有效地防止设备故障的发生,对齿轮箱进行状态监测和故障诊断显得尤为重要。振动分析法作为机械设备状态监测与故障诊断中的常用方法,因其与故障类型存在着很强的关联性,在齿轮箱故障诊断中广泛使用。本文介绍了振动分析方法的关键技术,并以小波分析和经验模式分解作为研究思路展开相关研究工作。　　论文阐述了齿轮箱中各个零部件的常见失效形式及振动信号的特点,着重介绍了以时域分析和频域分析为核心的非平稳信号处理方法的基本理论与具体步骤,为后续章节提供必要的理论基础。针对目前小波降噪过程中的不足,提出了对阈值选取原则和阈值函数的改进方法。新阈值选取原则既改善了噪声标准差和小波系数长度对阈值选择的影响,也使得阈值随着分解尺度的增加而不断减小;新阈值函数即保证了阈值函数的连续性,也避免了重构信号产生振荡。通过仿真实验分析比较了不同的小波基函数,并最终选用了“db3”作为本文的小波基函数。　　分析了经验模式分解(empirical mode decomposition,EMD)方法、集总平均经验模式分解(ensemble empirical mode decomposition,EEMD)方法的不足,针对EEMD方法存在的模态混叠现象进行了改进。并通过仿真信号与实验台采集的齿轮箱振动信号验证了该方法在解决模态混叠和抑制噪声残余具有一定的效果。　　提出小波降噪和经验模式分解相结合的方法对模拟故障试验台采集的滚动轴承内外圈振动信号的特征信息进行提取,结果表明,本文所用方法得到的特征信息更加明显,有效的避免了噪声对信号分析带来的干扰。并将该方法应用于齿轮箱齿根裂纹的故障诊断中,取得了很好的效果。