行星齿轮减速器在工业自动化中应用广泛,其性能对设备的可靠性影响很大。齿隙和刚度会导致行星齿轮的性能下降,因此振动、温度、电流等信号被应用于行星齿轮的状态监测。本文旨在开发一种实用有效的基于电机电流信号分析(MCSA)的行星齿轮减速器齿隙故障识别方法。提出了灵敏度权重比(SWR)的概念来优化用于提取和筛选伺服电机电流信号特征的fisher判别分析(FDA)算法。电机与减速器相连,因此可以在电机电流中观察到行星齿轮运行条件的变化。与传统的设备健康状态检测方法相比,霍尔电流传感器是一种成本较低、安装方便的非侵入式方法。此外,支持向量机(SVM)分类器和一些公开发表的方法被用来分类行星齿轮的齿隙。最后,在不同间隙和负载下进行了实验测试,验证了该方法的有效性。