齿轮是应用最广泛且最关键的动力传输部件,也是容易发生故障的部件,对齿轮运行状态的检测与齿轮故障的诊断具有重要的意义。传统齿轮故障诊断方法都是基于振动响应信号,但其存在信噪比低、故障特征提取困难等问题,因此,本文提出了一种基于齿轮啮合形态分析的齿轮故障诊断方法,通过对齿轮传动系统的啮合误差信号的分析,来实现齿轮的故障诊断。本文主要围绕齿轮啮合形态理论分析、啮合误差信号的检测与信号的分析处理几个方面展开研究。通过分析齿轮传动系统的啮合形态和比较正常齿轮传动系统与含故障的齿轮传动系统的综合误差变化,建立了齿轮系统的啮合误差数学模型。针对齿轮啮合误差的测量方法,改造现有的齿轮故障模拟平台,设计了基于单片机的数据采集卡,通过测量两轴的角位移信号得到齿轮系统的瞬时啮合误差。采用EEMD分解的方法将齿轮啮合误差信号分解为一系列的IMF分量,并计算其相关系数筛选出含故障信息的IMF分量,将筛选留下来的IMF分量重构为新的信号,对其进行阶次谱图和倒阶次谱图分析,进而得到含故障信息的周期性信号。最后,将不同阶次段的能量值作为特征向量,建立识别齿轮不同故障类型的BP神经网络。实验证明,本文提出的基于EEMD与阶次谱图的分析方法对齿轮啮合误差信号分析效果良好,能有效提取出故障特征,BP神经网络识别模型也能有效的识别齿轮的故障类型。