齿轮箱作为广泛应用的机械传动设备,其故障的尽早预报有利于避免重大事故的产生。齿轮箱故障诊断的关键步骤是如何及时有效提取其故障特征。在众多故障特征提取方法中,由于现代振动信号分析技术的日趋成熟,且更可靠、实时性更强,已在齿轮箱故障特征提取中得到大量应用。但是,为避免拆箱,从齿轮箱体表面采集的齿轮箱混合振动信号,通常包含不同部件的振动信号和环境噪声,这就导致相关故障部件的故障特征信息被非故障信息所覆盖且信噪比很低,致使单一的或传统的信号分析方法在故障特征提取方面难以奏效。所以,本文在充分调研不同现代振动信号分析技术的基础上,以齿轮箱的核心部件(齿轮和轴承)为主要研究对象,对小波降噪、独立分量分析和频谱分析技术在齿轮箱故障特征提取中的应用进行了深入研究,并联合自适应小波阈值降噪(SAWT)、改进步长的FastICA(LFastICA)与希尔伯特包络谱等理论的优势,提出以SAWT-LFastICA-包络谱为基本框架的综合分析法,作为齿轮箱故障特征提取的手段,该综合分析法的有效性和精准性,可以通过对仿真信号和公开实验数据分析进行验证。本文研究内容主要包括以下几个方面:(1)对齿轮箱的振动机理和故障信号特征进行研究,为后续的精确提取做铺垫;(2)主要对齿轮箱振动信号分析方法进行调研,并总结归纳了不同时域或频域分析方法的优劣势,为合理选择综合分析法提供了强力的理论基础;(3)在深入研究小波降噪理论的基础上,详细阐述了具有更好降噪性能的SAWT方法,并通过仿真信号与传统小波阈值降噪对比分析,以验证SAWT降噪的优越性,为观测信号的预处理降噪提供技术保障;(4)基于FastICA算法,详细推导了稳定性更好的LFastICA算法,并通过仿真信号对比分析,以证明LFastICA具有更好的解耦效果,这也为观测信号的解耦分离做好了技术支撑;(5)基于以上研究,和峭度和包络谱的引入,提出SAWT-LFastICA-包络谱综合分析法。并通过仿真信号分析,验证峭度在识别解耦信号是否包含故障特征的准确性,以降低误判概率;最后,通过实验数据分析,对齿轮箱故障特征进行提取,进一步验证该综合分析法的有效性及精确性。