随着现代化工业的迅猛发展，各类大型旋转机械在工业化生产中有着举足轻重的地位。实际生产中，会有很多因素造成机械不能正常运行，设备本身的制造材料不过关，操作人员不及时维修或是在使用时违反操作规程等都会引起设备故障，威胁到生产的安全，甚至会造成设备停机、流程中断，造成严重的经济损失。所以，人们越来越关注到机械设备故障的监测与诊断研究的重要性。声发射是机械故障诊断中一种健康的监测与诊断技术，它是通过检测由物体自身释放的应力波来研究物体的状态变化。声发射技术不需要距离被测物体很近，被测物体的形变也不会轻易引起声发射的改变，涉及领域大，既可以做宏观检测，又可以检测物体内部组织的各种状态变化，因此，声发射技术对于机械早期故障的实时监测与诊断至关重要。机械故障诊断的首要前提就是将能表达故障主要特征的信号提取出来为后续对故障的监测与诊断提供良好的基础。该论文通过自适应时频分析的局域均值分解（LMD）方法把齿轮在运转过程中由于磨损故障所引起的声发射信号分解并提取出表示故障特性的信息。局域均值分解方法可以把复杂的调幅调频信号分解，分解后得到两种特征量一种是瞬时频率，一种是瞬时幅值。将这两种特征量相乘，即得到乘积函数PF分量。这些PF分量重，去除无效分量后得到的有效PF分量可以作为反馈齿轮声发射信号主要特征的分量。通过对比正常齿轮与故障齿轮声发射信号的局域均值分解图，可以分析出故障的时频特征，并通过相关性分析，得出代表故障信号特征的分量。根据边际谱反映出的故障频率与齿轮故障频率理论值进行对比，验证了基于局域均值分解方法的声发射信号分析方法可以对机械故障有效的监测与诊断。因此局域均值分解法在提取齿轮磨损声发射信号特征和齿轮故障监测与诊断具有重要意义。