行星齿轮箱拥有结构紧凑、传动效率高、运行平稳以及大传动比和高承载能力等优点,在实际生产与工作中应用广泛。行星齿轮箱中通常存在多个相同的行星轮轴承,一旦其中某一个发生故障,容易造成行星齿轮行星运动受力不均。若无法及时发现,并在其故障状态下继续运转,易造成更严重的后果。所以对其开展在线监测与故障诊断领域的研究,具有较高的学术研究意义与工程应用价值。相较于单一轴承与定轴齿轮箱轴承,行星齿轮箱中行星轮轴承故障特征提取难度更大,其原因主要有四点。首先,行星轮轴承故障动态信号特征微弱,易被其它较强的非轴承信号所湮没;再者,行星齿轮箱内部有多个啮合和回转零部件,多振源耦合造成振动信号相互调制,频率成分复杂;第三,行星齿轮箱内部通常拥有多个完全相同的行星齿轮与行星轮轴承,相似信号叠加调制,不易分离。最后,行星轮轴承做行星运动,其动态信号传递至箱体上传感器的路径具有时变性。在现阶段的相关研究中,对于单一轴承故障以及定轴齿轮箱中的轴承的故障诊断与特征提取技术体系已相对成熟,但由于以上原因,将这些方法直接运用于行星轮、行星轴承的故障特征提取时效果却都不太理想。为探索更适宜的行星轮故障特征提取方法,提高行星轮轴承的故障诊断效率,本文对行星轮轴承故障特征提取方法开展了研究。本文分别从信号获取和信号处理两个方向出发,提出不同的行星轮轴承故障特征提取方法,即采集行星轮轴承故障状态下的振动信号与声发射信号分别进行处理。振动信号方面,针对行星齿轮箱内部多振源耦合问题,基于齿轮振动信号与轴承振动信号分别为周期信号与随机信号,提出利用自参考自适应噪声消除技术(SANC)进行分离;针对行星轮轴承故障信号微弱问题,利用时延反馈随机共振(TFSR)进行相关信号增强;针对行星轮轴承振动信号传递路径时变的问题,利用多点优化最小熵解卷积调整(MOMEDA)方法降噪并消除传递路径影响;最终再结合快速谱峭度(FSK)算法进行包络分析,从而提取行星轮轴承故障特征。声发射信号方面,基于其灵敏度高,采样频率高,高频部分信号成分清晰等优点,将快速谱峭度算法进行适应性改进,在声发射信号的高频部分成功提取了行星轮轴承故障特征信息。通过试验研究并对比分析,验证了本文所提方法以及技术路线的有效性,并对各方法的特征提取结果进行分析与评价,总结了各方法的优缺点及适用范围。