齿轮箱作为改变速度与传递动力的基本传动部件,复杂的机械装置,嘈杂的运行环境、切换频繁的工况等因素,导致设备内部容易发生故障。故障的产生会延缓生产进度,威胁工作人员的安全,因此,对齿轮箱进行损伤检测与识别极其重要。近年来,国内外的研究人员从齿轮箱信号特征的融合、状态识别等方面开展故障识别并取得了很多成果,但齿轮箱在高温、高寒、多工况等环境下工作导致齿轮箱的工况频繁发生变化,使转速发生波动而存在频率混叠现象等特点,导致上述的检测方法在多工况下有效性大打折扣。因此本文从齿轮箱检测的特征值提取和故障识别方法两个方面,开展多工况下的齿轮箱故障识别。首先以单级斜齿轮的简化动力学模型为基础,研究了单级齿轮的振动机理。分析了恒定与波动转速下的斜齿轮典型故障及其对应的振动信号特征。同时,对实际转速存在波动的齿轮箱信号进行研究处理,研究结果表明波动转速会引起故障频率模糊,因此研究检测与识别方法对波动转速工况不敏感性非常有必要。其次,针对齿轮箱的波动转速而导致信息获取及检测困难的问题,提出了一种基于Fisher比率算法的齿轮箱振动信号的故障特征融合指标提取方法。利用齿轮箱的公开试验数据,以不同损伤的振动信号为研究对象,并与常用的时域频域特征参数进行对比分析,结果表明所提融合特征指标结果的可分度高于传统特征值,是检测齿轮箱运行状态的一种有效检测方法。最后,为了提高不同工况下齿轮箱损伤识别方法的可靠性与适用性,将频谱和密度函数相结合来识别齿轮状态。针对齿轮箱易受影响和多工况等特征,利用齿轮箱频谱信息成分丰富的优势,提出了基于频谱核密度函数相似性的齿轮运行状态的识别方法。通过单一损伤与复合损伤的16种运行工况的振动信号,对所提方法进行了可靠性、可分度和抗噪性能的验证。结果表明负载对识别方法的影响略微明显。相比频率分布直方相似法,基于核密度函数频谱相似性的识别方法具有更高的可靠性、相关性和抗噪性能。