汽车变速齿轮箱是汽车动力系统的重要部件，开展齿轮箱振动信号分析且实现在线监测，能够实现齿轮变速齿轮箱的早期故障的监测和诊断排除，对汽车的安全行驶和避免突发事故的发生起着非常重要的作用。
EMD（简称经验模态分解）是近年来发展起来的一种新的非线性，非平稳信号分析方法。EMD是将复杂信号分解成有限数目相互独立的具有稳态特性的本征模态函数集。
EMD被认为是近年来对以Fourier变换为基础对线性和稳态谱分析的一个重大突破，本文就是利用EMD方法对汽车齿轮变速齿轮箱振动测试信号进行分解，再根据不同频带呢信号所包含故障信息的能量变化对故障分析检测。
模态函数集简称为IMF,每个IMF可以是线性或非线性的，任何一个信号可以分解为有限个IMF之和。与其他的信号处理方法相比，EMD分解出来的IMF分量包含了信号从高到低不同频率段的成分，每个频率段包含的频率分辨率都随信号的不同而变化，具有自适应多分辨分析特性，是一种自适应信号处理方法。
通过实验，可以看出故障齿轮的振动信号和正常齿轮信号在不同的频率成分的信号幅频特性能量发生了明显的变化。而在相同频带内故障齿轮的振动信号和正常齿轮信号的能量也发生了较大的差
别，通过频带能能量的变化可以明显的将故障齿轮的振动新哈和正常的齿轮信号区分开来，从而实现齿轮箱变速齿轮箱的早期故障的监测和诊断。
大量的实验证明，这种基于EMD分解分析得到的信号能量特征向量，可以作为故障特征向量对汽车齿轮变速齿轮箱进行诊断，根据特征向量可以进行分类决策，确定是否有故障以及故障的位置。
