在高端制造领域,数控机床的战略价值不言而喻,航空航天、高端汽车、大型旋转机械和精密加工等重要领域都无法离开数控机床。角度头是安装在数控机床上的一种加工附件,可以在不改变机床结构的情况下,增大加工范围和适应更多的加工工况,使传统方法难以进行加工的情况得到极大改善。对角度头进行状态监测,可以实现角度头早期故障的及时诊断与维修,延长角度头的使用寿命,对提高航天器结构件的加工效率、缩短航天器的研制周期具有重要意义。实际生产中的角度头振动信号往往包含着大量的非平稳信号成分,而快速傅立叶变换、短时傅立叶变换、小波分解等经典分析方法的适用于平稳信号的处理,且不具备自适应性,分析复杂信号的能力十分有限。鉴于此,本文针对角度头故障信号特征提取问题,提出了基于EEMD算法的振动信号特征提取方法用于数控机床角度头故障信号特征识别,成功提取了角度头的故障信号特征,准确地诊断出故障发生的部位。论文主要工作如下:(1)将小波降噪与EMD算法相结合,用于振动信号特征识别,通过仿真与实验分析,该方法能够在准确识别振动特征的同时抑制噪声的干扰。该方法诊断速度较快,特征识别较为准确,可以用于数控机床角度头现场振动信号的特征识别,判断角度头的运行状态,作为角度头深入分析的判断依据。(2)提出了基于EEMD算法的振动信号特征提取方法,克服了 EMD算法在应用过程中存在的模态混叠、噪声干扰及小波降噪自适应能力较差、阈值选取困难等问题。通过仿真和实验验证了该方法的准确性和有效性。(3)将基于EEMD算法的振动信号特征提取方法应用于数控机床角度头故障振动信号的特征识别,成功提取到角度头齿轮和轴承的故障特征,预测了故障发生的部位,经实际拆解角度头,验证了所提方法的实用性和可靠性。