摘要：针对齿轮箱传统故障分析方法难以及时发现早期故障的问题,进行基于自回归模型和统计过程控制方法的齿轮箱早期异常检测方法研究。采用时域同步平均算法(Time Synchronous Averaging,TSA)去除原始振动信号中的噪声,并建立自回归(Autoregressive Model,AR)模型计算残差;提取残差的标准差、峭度与均方根作为指标,初步判断齿轮早期故障;选取残差的标准差进行统计过程分析,分别建立均值控制图(Xbar)、单值-移动极差控制图(I-MR)、指数加权移动平均(EWMA)控制图来判断齿轮早期异常发生点。研究结果表明,EWMA控制图检测到第62个文件开始超出控制限,而其他两种控制图均从第65个文件出现异常,说明EWMA控制图相比其他方法能够更早的检测出齿轮早期故障发生的异常点,进一步验证了AR模型与EWMA控制图相结合进行早期异常检测的有效性。