针对强背景噪声下无法获取滚动轴承故障特征的问题，提出一种基于最优尺度增强形态滤波器（Optimal Scale Enhanced Morphological Filter，OEMF）的滚动轴承故障特征提取方法。首先，构建一种增强差分积形态滤波算子（Enhanced Different Product Operation，EDPO）与直线型结构元素（Structuring Element，SE）相结合的增强形态滤波器；其次，构建冲击自相关度（Degree of Impact Autocorrelation，DIA）作为选取最优尺度的评判指标，并与传统的峭度（Kurtosis）指标进行比较。最后，将所提方法应用于仿真信号和牵引电机轴承故障信号中进行实验验证。结果表明，所提方法与集成经验模式分解（Ensemble Empirical Mode Decomposition，EEMD）方法相比具有更好的降噪效果，且在去除噪声干扰方面具有更好鲁棒性。

针对大圆机的大型薄壁齿轮在制造与装配过程中容易产生偏心问题，提出一种基于振动信号的齿轮偏心故障检测方法。首先，利用偏斜度解卷积（Skewness Deconvolution，SED）增强振动信号中的齿轮偏心故障特征。其次，运用经验模态分解(Empirical Mode Decomposition，EMD)将目标信号分解为有限个固有模式分量（Intrinsic Mode Function，IMF）。然后，提出加权-相关频峭度指标（Weighted Correlation-frequency Kurtosis，WCK）自适应提取包含偏心故障特征的IMF分量，并结合峭度与峰值比指标刻画故障信息。最后，开展了大圆机齿轮偏心故障诊断实验研究，实验结果表明该方法可自适应提取故障分量，结合故障分量的频率、峭度与峰值比指标可以实现齿轮偏心故障判定与定位。