在现代化工业进程中,机械设备都逐渐朝着智能化方向发展。齿轮箱作为机械设备中重要的传动装置,一旦出现故障,将造成严重损失,因此对其进行故障检测至关重要。光纤布拉格光栅(Fiber Bragg Grating,FBG)传感器具有诸多优良特性,在结构健康检测领域已成为研究的热点。将FBG应用于齿轮箱故障检测中,与传统的加速度传感器相比,FBG传感器具有更高的检测精度。因此,设计一种基于FBG传感器的齿轮箱故障检测系统具有重要的研究意义与应用前景。针对FBG传感器提取的齿轮箱振动信号中含有噪声的问题,提出了一种改进正交匹配追踪算法的FBG信号降噪预处理方法。利用稀疏变换,确定FBG传感信号的稀疏度;通过阈值条件和淘汰策略从字典集中选择有效原子,以此减少算法复杂度;通过修改双重终止条件来提高降噪效果。仿真结果表明,所提方法可以有效去除FBG信号中的噪声,能避免传统方法中复杂度过高的问题。针对目前齿轮故障类型识别和故障定位准确率低的问题,提出了一种改进经验模态分解(Empirical Mode Decomposition,EMD)算法的齿轮箱故障诊断方法。首先对FBG传感信号进行降噪预处理,通过自适应补偿高斯白噪声的方式使信号频谱均匀化,以此解决EMD算法分解得到的本征模态函数(Intrinsic Mode Function,IMF)中的模态混叠问题;其次,设计了一种选择有效IMF分量的综合评价指标,提取有效分量的4种特征,并利用多分类支持向量机对6种故障进行分类;最后,利用希尔伯特解调法计算IMF分量的包络谱,从而得到峰值频率及其倍频,通过频率对比来实现齿轮箱故障定位。通过搭建齿轮箱故障检测实验平台验证所提方法的有效性,实验结果表明,所提方法能有效识别正常、轻度磨损、重度磨损、点蚀、裂纹以及断齿等故障类型,识别准确率在90%以上,同时能精确定位出故障齿轮的位置。