行星齿轮箱是旋转机械中的重要部件之一。由于行星齿轮箱既可以将传动速比降低,又可以将扭力成比例的增大,因此在旋转机械如风力发电机,汽车变速器等都有着广泛的应用。由于行星齿轮箱需满足机械设备的复杂工作需求,因此运行时一般处于非平稳工况下,从而导致行星齿轮箱振动信号成分更加复杂。行星齿轮箱在工作过程中受到主观和客观因素的影响,其转速往往是非稳态的,从而增加了在振动信号中提取故障特征的难度。因此,对变转速行星齿轮箱的故障诊断方法进行研究是非常必要的。目前,非平稳工况下的行星齿轮箱故障诊断主要有两个难点,一是转速变化使得信号的时间频率结构更加复杂,故障征兆模糊,此时采用稳态信号处理方法会发生误判;二是复杂的工作环境给信号带来了强干扰,使得信噪比降低,故障特征难以提取。因此,需要尽量消除非平稳工况下振动信号由转速变化带来的影响,并选取合适的去噪方法提高强噪声混杂信号的信噪比。本文针对变转速行星齿轮箱的轮齿故障信号特性,从消除转速变化对信号处理过程的影响以及降低噪声对信号的干扰出发,提出了一种基于转域重采样和改进VMD技术相结合的行星齿轮箱故障诊断的系统化方法。主要研究内容如下:(1)针对传统计算阶次分析中角域重采样的采样精度不足问题,提出转域重采样对重采样环节进行改进,提高了重采样的精确度,即提高了计算阶次分析的精确度,再将转域重采样得到的转域信号转换为类定转速的阶次信号;解决变转速信号无法应用传统稳态信号处理方法问题,消除了转速变化对故障特征频率的影响。(2)利用变分模态分解(VMD)将转换后的阶次信号进行滤波处理,解决变转速信号中存在的强干扰信号问题,在VMD的关键参数选取中使用能量法评估原信号分解后分量的能量与原信号能量的一致性,从而判断VMD分解程度是否适宜,避免出现因过分解产生虚假分量或因欠分解引起模态混叠的情况。确认VMD分解层数后选取合适分量进行信号重构,提高了信号中的信噪比。(3)对于信号经过VMD分解后所产生的分量,使用D-S理论融合多个指标并利用融合指标对各分量进行量化评价。选用的峭度,相关系数与排列熵,分别评价分解得到的IMF的冲击性、原信号相关性和复杂程度。降低了单指标对信号分量评价的偶然误差,提高了信号重构的可靠性。对选取的指标使用D-S理论进行加权融合后,确认分量评价的选取标尺并对各分量进行评价,确认各分量是否满足评价表示,适合参与信号重构。