摘要：根据风机齿轮箱故障信号的非平稳特性,提出一种基于总体平均经验模式分解（ EEMD）和BP神经网络的风机齿轮箱故障诊断方法。首先,对原始信号进行小波去噪。然后,对故障信号进行EEMD分解,将其分解为多个固有模态函数（ Intrinsic Mode Function,简称IMF）之和,选取若干含有主要故障信息的IMF分量做进一步分析。最后,从各IMF分量中提取故障信号能量特征参数,将归一化后的能量特征参数作为BP神经网络输入参数进行故障诊断。实测结果表明：该方法故障诊断准确率达到了99%左右。可以准确、有效的对风机齿轮箱进行故障诊断。

关键词：风机齿轮箱 故障诊断 eemd 神经网络 小波变换 

单位：吉林大学通信工程学院 长春130022 吉林大学网络中心 长春130022 天津海运职业学院 天津300350