齿轮减速机滚动轴承故障振动信号呈现出非线性、非平稳性及降噪背景较强等特点，为了有效提取故障特征，提出一种小波降噪与共振稀疏分解（Resonance-based sparse signal decomposition,RSSD)相结合的振动信号特征提取技术。共振稀疏分解是基于品质因子可调小波变换与形态分量分析的一种新的信号分解方法，与常规的基于频带划分的信号分解方法不同，它依据信号各分量的震荡形态不同对信号进行分解。先通过小波值降噪方法明显减小信号中的噪声，随后对降噪后的信号进行共振稀疏分解，将信号分为不同共振特性的分量，即具有持续振荡特性的共振分量和具有瞬态冲击特性的低共振分量。后通过对分解所得到的低共振分量采用Hibert 包络解调方法提取冲击故障特征。将该方法分别应用于仿真信号和轴承实验台故障冲击性实例，验证了该方法的有效性。

  齿轮轴降速机工作滑动滚柱联轴器是自动化中常经常用到的零零件一个，也是自动化的易损件一个。当工作滑动滚柱联轴器造成常见内部错误代码时，会带来连连串的品牌连锁现象，致使设施耐腐蚀性减低乃至停电停工。现今谈谈工作滑动滚柱联轴器常见内部错误代码的疾病诊断 很经常用到的是震动问题检验法，从时域、频域、时频域等好几个地方提炼投诉工作滑动滚柱联轴器运转情况下的显著优势亮点目标，有可线、时时、非板材损害、的疾病诊断更加快捷更准等优势亮点。然而工作滑动滚柱联轴器常见内部错误代码震动问题数字信号灯呈现出来的冲击力性、非非线性、非保持稳定性及低频噪音图片背景更强等优势亮点，非常是初期暗淡常见内部错误代码，采用了通常情况下的对于频率段区分的数字信号灯降解技术根本无法有效地的提炼常见内部错误代码显著优势亮点。