在齿轮噪源存在的变转速滚动轴承故障诊断过程中，因混合信号中转频分量相对较小，使得基于时频表达的阶比跟踪技术受到限制。虽然基于故障特征频率的角域重采样能提取轴承的故障特征，但这种算法不能确定故障位置，而且可能会出现误判。针对这一问题，提出了基于角域自回归（auto regressive，简称AR）模型滤波的处理方法。该方法利用线调频小波路径追踪算法从降采样处理的混合信号中提取齿轮瞬时啮合频率趋势线并估计转速，根据估计转速信息对原混合信号进行等角度重采样，获得了角域信号。利用角域信号中齿轮啮合振动成分具有周期性的特点，使用AR模型对其滤波，并且对滤波后信号进行包络阶比分析，完成故障判断。通过处理仿真信号和实验信号，验证了该方法不仅能有效地去除齿轮噪声，并且可以判断轴承故障位置。

针对在变转速工况下进行滚动轴承复合故障诊断时,由于故障间的相互作用使得多种故障特征混叠在一起,彼此干扰,造成误判﹑漏判等问题,以及时域滤波过程中共振频带参数难以获得这一问题,提出基于包络解调滤波的滚动轴承复合故障诊断方法。首先,使用多项式函数拟合轴承转速,并根据轴承各部分的故障特征频率系数和转速信息计算瞬时故障特征频率(IFCF)趋势线;其次,根据各部分IFCF趋势线的拟合函数,构造解调算法的相位函数,对原始信号经过Hilbert变换得到的包络信号解调;最后,以各部分IFCF拟合函数的初始值为中心频率构造窄带巴特沃斯带通滤波器,对解调信号进行滤波处理,并对滤波后的信号进行快速傅里叶变换(FFT)得到包络解调滤波信号的频谱。研究结果表明该算法使轴承IFCF的能量集中在初始值的位置,使用巴特沃斯带通滤波器便可以在包络信号中...