成分分析研究了行星齿轮箱的谱结构，他们也提出使用典型判别分析来处理行星齿轮箱的基于矢量的15维能量测量，并用在低维空间将其可视化[93]。Tumer和Huff[94]通过监控一个直升机一级行星齿轮箱得到了三轴数据，并对这些数据进行了主要成分分析。Lei等人[95]提出了一种称作自适应随机共振的噪声利用方法，并用这种方法诊断含有裂纹和断齿的太阳轮故障。Villa等人[96]提出了一种角重采样方法用于诊断风力涡轮机的传动机构的不平衡和未对准问题，而这个传动机构中含有一个行星齿轮传动系统。Randall[97]使用轴承和齿轮的信号分离技术来实现直升机齿轮箱行星齿轮轴承的故障诊断。Mosher[98]引进了一种算法，用来将行星齿轮系统中每个齿轮产生的振动信号分离开来。根据这些分离出的信号，可以估计齿轮的状态。Blunt和Beller[12]提出了两种方法：行星架方法和行星分离法，用于监测直升机行星传动系统齿轮架上的疲劳裂纹。
看到其他的高级信号处理技术已经应用于行星齿轮箱的监控和诊断，我们是感到备受鼓舞的。这些高级的技术包括反卷积、谱峭度、循环平衡分析，随机共振等。在行星齿轮箱故障诊断领域，这些技术已经显出他们的优势（如高准确率）和缺点（如鲁棒性差）。
3.3 智能诊断方法
尽管信号处理技术在行星齿轮箱监测和诊断领域已经取得了一些成功，但是，从输出信号中分析出具体的故障依然需要高超的技术水平。智能故障诊断方法具有克服这些缺点的潜力。因此，在行星齿轮箱的故障诊断中已经引进和报道了多种智能方法。例如，Khazaee等人[99]基于智能方法提出了一种支持向量机用于区分三种行星齿轮箱的健康状况，即无故障、带有一个磨损齿的内齿圈和带有一个磨损齿的行星齿轮。Khawaja等人[100]基于最小平方支持矢量机提出了一种方法，用于监测行星齿轮箱行星架上不断扩展的裂纹。刘等人[101]综合使用支持矢量机和线性鉴别法来辨别行星齿轮箱测量台架上的行星齿轮的破坏等级。他们也提出了三种方法用于特征简化和选择，并应用这些方法进行故障等级诊断[102-104]。使用以上同样的数据，Qu等人[105]根据支持矢量机对特征选择方法进行了研究，并用于故障分类。Patrick等人[106]使用贝叶斯算法设计了一个集成框架，用于监测故障和预测直升机行星齿轮箱的剩余使用寿命。Lei等人[107,108]使用自适应神经模糊推理系统提出了一种多传感器数据融合方法，用于行星齿轮箱的故障模型和损伤等级，Samuel和Pines[109]采用标准能量矩阵作为一个特征向量，采用自组织神经网络作为直升机行星齿轮传动的自动故障诊断的分类器。Dong等人[110]使用隐式半马尔科夫模型来区分直升机传动系统的行星架的健康状态。Li等人[111]从振动信号和声发射系统中提取出故障特征，并将这些特征输入到K最近邻域算法来检测行星齿轮箱的故障。Dybala[112]根据最近边界矢量算法提出了一个模态识别方法，并应用于轮式铲斗挖掘机上的行星齿轮箱的故障诊断。Zhao等人[113]使用顺序分级方法来保存顺序信息，并用来确认行星齿轮箱测试台架的损伤等级。Chin等人[114]研究了一个故障模式分类系统，这个系统包括一个量子矩阵和一个多值影响矩阵。使用这个系统可以辨识直升机行星齿轮箱的故障模式。Bartkowiak和Zimroz[115]开发出局外分析法和一级分析法用于非静态条件下使用的行星齿轮箱的故障诊断。
以上总结的内容描绘出人工智能应用于行星齿轮箱故障诊断的情况。能够看到在这个研究领域中，研究人员已经作了很多研究。很明显，有必要使用人工智能技术，但不能限于解决小课题，例如，静态条件下使用的简单齿轮箱的点蚀扩
展问题。
3.4 其他方面的研究
除了基于模型、信号处理和智能诊断方面的方法，还有一些其他方法应用在行星齿轮箱的故障诊断方面。这一节主要是总结这些方法。Fair[116]将同步采样数据系统应用到斜齿行星齿轮上，用来增进对所收集的信号的边带特性的理解。Lundvall和Klarbring[117]提出一种非平滑牛顿法来预测重型卡车传动装置的行星齿轮组的磨损。Cheon和Parker[118]综合使用标准运动学分析和混合有限元法来描述制造误差对行星齿轮箱的轴承力的影响所具有的特征。Hayashi等人[119]提出了一种行星齿轮组动态载荷的测量方法。Lu和Chu[120]在风涡轮的行星齿轮箱的故障诊断中讨论了振动、噪声和声发射信号方面的方法。Bartelmus[121]总结了他的研究团队在复杂齿轮箱（包括行星齿轮和固定轴齿轮）的故障诊断方面所发表的全部论文。
4 目前的研究存在的问题
在第3章中，我们总结了行星齿轮箱的故障诊断和状态监测方面的很多研究成果。然而，由于本领域的研究文献的数量巨大，种类繁多，所以以上的总结不可能包括本领域的全部文献，一些文献没有覆盖到也再所难免。与此同时，由于本文作者语言能力有限，而与课题有关的一些文献是用其他语言写的，所以我们没有将非英语文献考虑进来。
为了给本领域的研究人员提供快速浏览第3章所参考过的文章，我们按照诊断方法（如模型、信号处理和智能诊断）进行分类，将第3章提到的参考文献汇总到表3中。基于第3章对文献的综述以及表3中所提到的参考文献，研究人员已经意识到行星齿轮箱和固定轴齿轮箱在故障诊断方面的不同。据此，在最近几年，研究人员已经引进了新的方法用于行星齿轮箱的故障诊断，并取得了显著的进展。然而，几个基本问题依然没有解决，如下所示。
(1) 已经发表的论文中所建立的模型作了太多的假设。因此，这些模型不能准确
反映真实行星齿轮箱的动态特性。而且，大多数模型专注于研究无故障行星齿轮箱，而很少专注与有故障的齿轮箱的研究。实际上，建立并研究带有多种损伤形式的行星齿轮箱的模型将比行星齿轮箱的故障诊断更有用。
(2) 大多数文献中的诊断对象是太阳轮、内齿圈和行星架。这些组件与固定轴齿
轮箱相似，都是绕着他们自己的固定轴转动。实际上，行星齿轮运动最为复杂，它不但绕自身中心转动，也绕太阳轮中心转动，并同时与太阳轮和内齿圈啮合。因此，行星轮以及其轴承的故障诊断更加困难。然而，在行星齿轮的故障诊断和状态监测方面的研究非常有限。
(3) 许多已经建立起来的行星齿轮箱的故障诊断和状态监测的方法适合于静态
工况。而且，在这些方法中，行星齿轮箱的元件如轴承、齿轮和轴是单独进行研究的。正如在参考文献[122,123]所指出的那样，由于这些研究与实际的齿轮箱磨损过程没有太多共同之处，所以，这是一种错误的研究齿轮箱磨损工程的方法。
(4) 尽管研究人员已经引进了一些行星齿轮箱故障诊断和状态监测的新方法，但
是他们中的许多方法都是从适用于固定轴的齿轮箱的方法调整后用于行星齿轮箱的。有什么基础的理论能够证明这些调整是合理的吗？如何使这些方法更好地应用于行星齿轮箱？也许，直到我们完全理解行星齿轮箱的具体行为和故障机理，我们才能回答这些问题和恰当地使用这些方法。
5 前景
针对第4章中讨论的研究问题，作者考虑在未来的行星齿轮箱的故障诊断研究中作出如下预测。
(1) 由于大多数已经建立的模型是模拟行星齿轮箱的重载工况，所以我们需要建
立更多的模型，而这些模型应当考虑不同的故障模式，不同的损伤等级，以及不同的工作情况。为了使用这些模型，研究人员需要探索模型响应和关键参数之间的关系，如系统刚度、模型参数和故障严重程度。这些因素之间的关系找到以后，将为行星齿轮箱的故障诊断和状态监测提供重要参考和所需的知识。
(2) 正如2.1节所强调的那样，在行星齿轮箱中，多个行星齿轮同时与太阳轮和
内齿圈啮合，这些行星齿轮引起相似的振动，但具有不同的相位，这些来自行星齿轮箱的振动可能彼此耦合。这种耦合可能导致故障组件的振动被中和或削弱。因此，建立解耦技术，有助于从复合模式振动信号中提取出某种故障模式的明显特征，并对其增强，这是行星齿轮箱故障诊断的最重要工作之一。
(3) 为了检测齿轮箱的故障，传感器通常用来测量振动，并固定在齿轮箱的外壳
上。由于行星齿轮绕太阳轮中心转动，所以，从齿轮啮合点到固定位置的传感器的振动传递路径是时刻变化的。因此，在振动测量过程中，除了这些故障产生的信号，一些额外的信号调制成分也会在其中混杂。如何从时变的传
(4)
(5)
(6)
(7)
递路径引起的信号中提取和分离出故障信号的调制成分是一个富有挑战性的难题。
很多研究人员使用他们自己检测行星齿轮齿轮故障的典型数据来阐述他们的方法的有效性，但是，无法保证他们的方法能够有效处理其他数据，实际上，文献中公开的行星齿轮箱的测量数据是很少的，而固定齿轮箱却有足够的公开数据，这些数据或者是来自实验室，或者是来自野外实际工况。因此，做更多的具有不同故障模式和严重程度的实验，丰富数据库和建立标杆数据对检验新诊断方法的鲁棒性非常重要。
众所周知，行星齿轮箱的故障机理和响应特性的研究是极其重要的。因此，作者建议更多地关注如下方面：行星齿轮箱动态响应和健康状况的关系，故障的发展机理，故障的敏感特性等。若能加入这些方面的研究，我们将能建立行星齿轮箱有效的监测和诊断方法。
考虑到快速变化的载荷和旋转速度对振动信号的影响，有必要建立一种能够解决动态工况下行星齿轮箱状态监测和故障诊断的难题。例如，轮式铲斗挖掘机的行星齿轮箱。而且，考虑到组件之间的相互影响，建立的方法应当把整个机器作为一个整体来考虑，而不是一个分离的系统，也不是一个具体组件或故障的分离[122,123]。
由于振动信号易于测量而且含有丰富的信息，所以在行星齿轮箱的状态监测和故障诊断中广泛使用振动信号。为了概述行星齿轮箱诊断的准确性，多维诊断技术越来越受到青睐。而多维诊断技术使用各种不同类型的数据，像油特性、磨粒、振动、声音、载荷、转速和电流等。
6 结语
这篇文章对行星齿轮箱的状态监测和故障诊断进行了综述。在这篇综述中，作者首先阐述了行星齿轮箱独有的特性和齿轮传动复杂的结构。然后，按照使用的方法，如建模、信号处理和智能诊断对已经发表的行星齿轮箱的状态监测和故障诊断方面的文章进行了调研和总结。最后，对本研究领域内目前可能存在的问题进行了概括，并讨论了未来研究的可能课题。我们认为这篇综述已经综合了行星齿轮箱故障诊断有关的孤立信息，并为对本研究领域感兴趣的读者提供一个综合参考。
7 致谢
此项研究收到了如下组织的支持：中国国家自然科学基金（51005172和51222503），新世纪优秀大学人才（NCET-11-0421），加拿大自然科学和工程研究委员会（NSERC），陕西省自然科学基金研究工程（2013JQ7011）和中央大学基础研究基金（2012jdgz01）。