摘要： 针对非线性非平稳且强背景噪声与干扰振动信号下的螺旋锥齿轮故障诊断难点，提出一种基于最优模态双谱互信息编码器(Optimal Mode Bi-Spectrum Mutual Information Autoencoder，OBMIA)的螺旋锥齿轮故障诊断方法。首先，采用经验变分模态提取(Empirical Variational Mode Extraction，EVME)结合振动机理模型从复杂信号成分中提取对故障敏感的最优模态信号，然后将其转换为具有高阶统计量和相位信息且抗噪性强的双谱等高线图，最后利用基于无监督对抗学习的互信息编码网络从图谱中提取故障信息，从而实现螺旋锥齿轮的故障诊断。在直升机振动特性实验平台通过注入的4 种故障模式对方法进行有效性验证，设置模块替换对比实验且在不同工况条件下与常用的信号处理技术和神经网络进行对比分析。结果显示OBMIA在诊断准确率达到98.49 %以上，并且展现出优于对比方法的稳定性，更能准确识别螺旋锥齿轮的故障模式。

关键词: 故障诊断, 螺旋锥齿轮, 变分模态提取, 双谱, 互信息编码器