齿轮传动是机械传动的主要形式。作为机械设备必不可少的基础件,它的质量及性能决定着整台机器的性能指标,它的健康状态对设备的运转起着重要的作用。齿轮如果失效,将会引起整台机器的失效。基于此,本文将对齿轮的故障特征提取技术进行改进以实现齿轮的故障诊断研究。传统的诊断方法对于非平稳振动信号的分析效果不太明显。经验模态分解(Empirical Mode Decomposition,简称EMD)方法是把复杂的振动信号分解为有限个本征模函数(Intrinsic Mode Function,简称IMF)之和,得到的本征模函数包含真实的物理信息,而且都是平稳的,该方法能够实现通过频域的分析,得到故障特征信号。针对传统的滤波去噪方法的不足,本文采用经验模态分解法对数据信号在预处理阶段进行去噪处理,该方法可有效消除噪声干扰。本文针对齿轮故障进行诊断研究,采用基于经验模态分解的方法对采集到的振动信号进行处理,实现故障诊断。针对经验模态分解过程中由于利用三次样条插值法构造包络线而引起的端点效应问题,本文通过对周期延拓法、极值点对称延拓法和镜像延拓法的研究,分析抑制端点效应的效果。本文提出基于经验模态分解和自适应滤波分解(Adaptive Filtering Decomposition,简称AFD)的方法进行故障特征提取,既可利用经验模态分解法使非平稳信号平稳化的优点,也可利用自适应滤波分解法简单、可改善边界摆动的特点。最后,采用QPZZ—Ⅱ旋转机械振动模拟实验平台,通过更换有缺陷的齿轮,分别实现齿轮的断齿故障、裂纹故障和磨损故障,对本文提出的方法进行验证。试验结果表明,本文方法能够有效地提取故障特征,实现齿轮的故障诊断。