蝸桿減速機是機械設備中常見的一種傳動設備，蝸輪和蝸桿是蝸桿減速機的兩個主要傳動部件。其中，蝸輪比較容易出現故障，而齒形變化是引起蝸輪出現故障的主要形式之一，齒形變化是指蝸輪齒形偏離理想的齒廓線。當蝸輪出現齒形變化故障時，會產生以嚙合頻率為載波頻率、蝸輪軸轉動頻率為調制頻率的嚙合頻率調制現象，由于齒形變化故障一般不產生大的沖擊振動，能量小，所以調制頻率的邊頻帶少。當齒形變化特別嚴重時，由于激振能量較大，激勵起蝸輪固有頻率，出現以蝸輪各階固有頻率為載波頻率、蝸輪所在軸轉動頻率為調制頻率的蝸輪共振頻率調制。包絡分析技術就是對蝸輪故障信號進行包絡解調，提取故障頻率。包絡分析技術已成為齒輪故障振動信號分析的有效方法之一。
然而，
減速機廠家直接對原始振動信號進行包絡分析時，帶通濾波器的參數選擇通常依靠經驗，具有一定的盲目性。經驗模態分解（EMD）可將信號分解至不同頻域段，是一種自適應的信號分解方法。采用EMD和包絡譜相結合的方法提取齒輪故障頻率，取得了較好效果。該方法通過EMD將齒輪故障信號分解為多個本征模態函數（IMF）分量，再對故障特性明顯的IMF分量進行包絡分析。然而，故障特征明顯的IMF依然是通過經驗獲得，缺少理論依據。提出一種基于小波系數熵閾值的增強型共振解調方法，利用小波包將軸承振動信號進行分解，計算各個小波包的信息熵，選取信息熵較大的小波包系數重構信號，取得一定效果。但合適的小波包分解層數以及小波基較難確定。提出運用信息熵的方法來選取IMF，首先計算各IMF分量的信息熵，再設定一個信息熵閾值，選取大于信息熵閾值的IMF分量進行包絡分析，同樣也取得一定效果。但是信息熵閾值的選取對分析結果有很大影響，最佳信息熵閾值的選取很難確定。鑒于自相關算法的性質，提出運用自相關分析的方法選取IMF分量，診斷蝸輪齒形變化故障。
