齒輪減速機滾動軸承故障振動信號呈現(xiàn)出非線性、非平穩(wěn)性及降噪背景較強等特點，為了有效提取故障特征，提出一種小波降噪與共振稀疏分解（Resonance-based sparse signal decomposition,RSSD)相結(jié)合的振動信號特征提取技術(shù)。共振稀疏分解是基于品質(zhì)因子可調(diào)小波變換與形態(tài)分量分析的一種新的信號分解方法，與常規(guī)的基于頻帶劃分的信號分解方法不同，它依據(jù)信號各分量的震蕩形態(tài)不同對信號進行分解。先通過小波值降噪方法明顯減小信號中的噪聲，隨后對降噪后的信號進行共振稀疏分解，將信號分為不同共振特性的分量，即具有持續(xù)振蕩特性的共振分量和具有瞬態(tài)沖擊特性的低共振分量。后通過對分解所得到的低共振分量采用Hibert 包絡(luò)解調(diào)方法提取沖擊故障特征。將該方法分別應(yīng)用于仿真信號和軸承實驗臺故障沖擊性實例，驗證了該方法的有效性。

  齒輪減速機滾動軸承是機械中常用的零部件之一，也是機械的易損件之一。當滾動軸承出現(xiàn)故障時，會引起一連串的連鎖反應(yīng)，導(dǎo)致設(shè)備性能下降甚至停機停產(chǎn)。目前對于滾動軸承故障診斷 比較常用的是振動檢測法，從時域、頻域、時頻域等多個方面提取反映滾動軸承運行狀態(tài)的特征指標，具有可在線、實時、非損傷、診斷便捷準確等特點。但是滾動軸承故障振動信號呈現(xiàn)的沖擊性、非線性、非平穩(wěn)性及噪聲背景較強等特點，特別是早期微弱故障，采用一般的基于頻帶劃分的信號分解方法難以有效的提取故障特征。