蜗杆减速机是机械设备中常见的一种传动设备，蜗轮和蜗杆是蜗杆减速机的两个主要传动部件。其中，蜗轮比较容易出现故障，而齿形变化是引起蜗轮出现故障的主要形式之一，齿形变化是指蜗轮齿形偏离理想的齿廓线。当蜗轮出现齿形变化故障时，会产生以啮合频率为载波频率、蜗轮轴转动频率为调制频率的啮合频率调制现象，由于齿形变化故障一般不产生大的冲击振动，能量小，所以调制频率的边频带少。当齿形变化特别严重时，由于激振能量较大，激励起蜗轮固有频率，出现以蜗轮各阶固有频率为载波频率、蜗轮所在轴转动频率为调制频率的蜗轮共振频率调制。包络分析技术就是对蜗轮故障信号进行包络解调，提取故障频率。包络分析技术已成为齿轮故障振动信号分析的有效方法之一。
然而，
减速机厂家直接对原始振动信号进行包络分析时，带通滤波器的参数选择通常依靠经验，具有一定的盲目性。经验模态分解（EMD）可将信号分解至不同频域段，是一种自适应的信号分解方法。采用EMD和包络谱相结合的方法提取齿轮故障频率，取得了较好效果。该方法通过EMD将齿轮故障信号分解为多个本征模态函数（IMF）分量，再对故障特性明显的IMF分量进行包络分析。然而，故障特征明显的IMF依然是通过经验获得，缺少理论依据。提出一种基于小波系数熵阈值的增强型共振解调方法，利用小波包将轴承振动信号进行分解，计算各个小波包的信息熵，选取信息熵较大的小波包系数重构信号，取得一定效果。但合适的小波包分解层数以及小波基较难确定。提出运用信息熵的方法来选取IMF，首先计算各IMF分量的信息熵，再设定一个信息熵阈值，选取大于信息熵阈值的IMF分量进行包络分析，同样也取得一定效果。但是信息熵阈值的选取对分析结果有很大影响，最佳信息熵阈值的选取很难确定。鉴于自相关算法的性质，提出运用自相关分析的方法选取IMF分量，诊断蜗轮齿形变化故障。
