行星齿轮箱广泛应用于飞机、直升机、船舰、风力发电装置、重型车辆等设备中,由于这些复杂装备长期工作在变转速、变负载等工况下,同时受到强冲击、腐蚀等恶劣环境的影响,使得行星齿轮箱里关键零件齿轮容易产生缺陷。这些故障轻则造成工厂停工停产,重则引发安全性或灾难性事故,危害人民生命安全。因此,开展行星齿轮箱的健康状态检测与故障诊断的研究,对于实现设备安全健康运行和避免特大型事故的发生具有重大意义。在实际工程应用中,转速传感器不方便安装,无法获得实时转速。为了解决此问题,本文在无转速传感器条件下,以时变转速工况下行星齿轮箱里关键零部件齿轮为研究对象,探究故障诊断方法。本文主要工作如下:（1）建立了时变转速工况下行星齿轮箱齿轮的故障机理振动模型。首先分析了行星齿轮箱特殊的传动结构和传递路径对振动信号的影响,根据稳定转速下行星齿轮箱的振动响应机理,建立了时变转速下行星齿轮箱振动响应机理模型,推导出时变的故障特征频率结构,总结了行星齿轮箱里齿轮的故障特征频率和故障特征阶次的计算方法,以及在阶次谱和包络阶次谱中的故障特征,为了验证本文所提方法的有效性,最后介绍了所搭建的实验台和所用的采集系统。为后续验证本文方法提供理论基础和数据支持。（2）针对时变转速下行星齿轮箱故障诊断存在问题,一是由于空间和经济条件的限制,转速传感器无法安装并获得设备的实时转速,二是传统的时频分析方法由于时频分辨率低,难以提取到反映设备健康状态的有价值特征信息的问题。提出基于广义线性调频小波变换与快速路径最优的无转速阶次分析故障特征提取方法。首先,使用广义线性调频小波变换对振动信号进行时频表征,从而清晰地反映齿轮箱的时变运行状态;然后,利用快速路径最优算法从时频表示中精确提取转频趋势线,进而,采用转频曲线对原始振动信号进行等角度重采样,然后将其映射到平稳的角域中;最后,从角域信号的包络阶次谱中准确地提取行星齿轮箱故障特征信息。数值仿真和应用实例的分析结果表明,能够在无转速计的情况下有效地实现时变转速行星齿轮箱齿轮故障诊断。（3）针对时变转速下行星齿轮箱的振动信号有较多相近分量,但由于受噪声的影响,传统的时频分析方法很难观测到这些相近的时频分量。为了解决这个问题,本文在自适应Chirp模式分解的基础上加上联合估计框架和快速路径最优算法,提出改善的自适应Chirp模式分解。首先,将所采集到信号进行时频或者包络时频分析,用快速路径最优算法提取到精度较高的转频脊线,然后,以此为基础进行阶次分析,得到信号想要提取分量的相互关系,根据分量的相互关系,运用联合估计框架,把信号中的相近成分和想要的成分分离出来,然后把提取出来的信号分量进行重塑,最后,生成高时频精度的时频图和更加清晰的阶次谱。数据仿真和实验验证该方法的有效性与优势性。（4）针对瞬时频率提取不准确和阶次跟踪中有重采样误差,导致最后结果分析不准确的情况,提出自适应Chirp模式分解和快速动态时间扭曲的故障诊断方法。首先从振动信号的时频图或者包络时频图中提取关于转频脊线,其次,再输入到自适应Chirp模式分解,得到该转频对应的分量信号,为轴振动信号,然后以此为基础,估计定转速下的轴振动信号,将两个信号实施快速动态时间扭曲算法,得到扭曲路径,然后,根据扭曲路径对原始信号进行扭曲并根据本文的重采样算法进行重采样,最后,用阶次或者包络阶次分析进行故障特征提取。数值仿真和实验的分析结果表明了该方法的有效性和准确性。