技术内容：本课题基于先进信号处理技术和模式识别方法对齿轮早期故障诊断技术进行研究，利用齿轮箱振动加速度信号和噪音信号研究不同程度故障齿轮的振动特性以及各工况条件对齿轮振动响应的影响；通过采用时域同期平均、经验模态分解以及希尔伯特变换等技术对原始信号进行分析和预处理，加强信号中的微弱故障特征；从预处理信号的时域、频域以及时频域提取多个定量表征故障的特征参数作为特征向量，通过主成分分析方法对特征向量进行优化以提高其对故障的敏感度；基于支持向量机技术建立智能故障诊断模型，实现齿轮的早期故障识别和定位。技术指标：研究提出了基于多指标融合和模式识别方法的齿轮故障诊断系统，能够有效诊断出齿轮早期故障并且诊断精度较高。应用情况：目前该技术在实验室齿轮实验台上应用效果良好。合作方式：成果合作。