轧机齿轮箱是轧钢生产线的关键设备,生产线的运行安全很大程度上取决于齿轮传动系统的运行状态。由于轧钢设备的结构复杂,导致系统内部振源数量众多,齿轮振动信号会受到很强的噪声干扰。在齿轮箱的故障诊断研究中,如何滤除观测信号中的噪声和干扰成分,尽最大可能恢复故障源的特征信息,历来都是研究的热点和难点问题。本文引入最大相关峭度反卷积算法(MCKD)算法,以高线轧机齿轮箱为研究对象,力图解决强噪声环境下故障源信息的分离与提取问题。分析结果表明,故障信号经MCKD处理后,故障源的冲击特征得以增强,为齿轮箱的安全性评估提供了重要依据。