本书研究行星齿轮箱振动信号特征提取与故障诊断方法。全书以变分模态分解、同步压缩广义S变换、深度学习、流形学习和集成学习等理论为主要技术手段, 从行星齿轮箱振动信号的降噪、多域联合特征提取、特征融合降维和故障分类等方面进行了深入研究, 分别提出基于量子高斯混合模型的振动信号降噪方法, 基于VMD的多尺度模糊熵特征参数提取方法, 基于同步压缩广义S变换时频谱的CSLBP特征参数和2DNMF特征参数的提取方法; 综合以上几种方法, 本书为行星齿轮箱的振动信号处理和故障诊断提供全新的技术方法并给予试验验证。