摘要： 针对在变转速下齿轮的故障特征提取与故障识别，提出一种基于自适应时变梳状滤波(Adaptive Timevarying Comb Filtering，ATVCF)与模糊C均值(Fuzzy C-means，FCM)聚类的故障识别方法。该方法先用ATVCF方法对变转速下的齿轮振动信号进行时变滤波，并计算滤波信号的均方根值和样本熵，以此构建特征向量矩阵；然后通过FCM对训练样本的特征向量矩阵进行分析，获取各状态下的聚类中心；最后通过计算测试样本与各聚类中心的欧式氏距离来识别测试样本的状态。采用风力机传动系统模拟故障试验台(Wind Turbine Drivetrain Diagnostic Simulator,WTDDS)的齿轮不同状态数据验证了该方法识别变转速下齿轮故障的有效性；同时，通过与直接FCM和经验模态分解(Empirical Mode Decomposition，EMD)-FCM方法的聚类效果对比，凸显了该方法的优越性。

关键词: 故障诊断, 齿轮, 变转速, 自适应时变梳状滤波, 模糊C均值聚类, 样本熵