为识别变速箱的振动噪声源,本文通过将S变换和奇异值分解、同步挤压方法相结合,从降低噪声和提升时频分辨率两个不同角度,识别了变速箱行星轮以及轴承故障的周期性冲击特征;并将S变换与时间序列分解算法相结合,探讨了多相关中的时频相关性,分析噪声源之间的相关性。本文主要内容有以下几部分:第一部分首先说明论文研究的目的和意义,接着在基础理论部分分析了变速箱的信号特征以及常见故障特征,对S变换、离散S变换、同步挤压变换等时频分析进行分析与公式推导。第二部分从降噪的角度对变速箱断齿特征和轴承故障特征进行识别。首先简述奇异值分解理论,根据S变换与奇异值分解的优点,提出奇异值比值谱选取合适的奇异值阈值进行信号降噪方法。方法首先对信号进行S变换,其次对S变换矩阵进行奇异值分解,再根据奇异值比值谱的最前面密集峰的最后一个峰值位置对应的奇异值作为奇异值的阈值位置进行降噪,然后重建降噪后的S变换矩阵,最后进行S变换逆变换,得到降噪后的时域周期冲击特征,最终得到特征频率。用仿真和实验数据对方法进行验证,证明了方法的有效性、直观性和可靠性。第三部分从提升时频分辨率角度进行冲击特征识别。结合S变换与同步挤压,得到同步挤压S变换并进行公式推导。对信号进行同步挤压S变换,可以在保持S变换对冲击特征敏感的情况下,提高了S变换的时频分辨率,因此能够识别信号中的周期性冲击特征。最后用仿真和实验数据验证方法的优势。第四部分首先分析多相关分析的基本理论。利用同步挤压S变换的优点,在其基础之上导出一个时间序列分解算法,并提出时频相关性,对信号进行同步挤压S变换时间序列分解的时频相关性分析。对比分析时频相关性与传统的相关,通过仿真信号、两相关与三相关实验数据进行分析,结果表明时频相关性能够体现相关性的时变与频变特征,并且对非平稳信号的相关性分析具有优越性。综上所述,通过S变换与其他方法结合,本文对变速箱复杂信号进行了研究,识别了信号中的冲击特征,并探讨了时频相关性,得到了若干有价值的结论。