针对齿轮传动噪声信号复杂,且啮合产生的噪声往往被外界噪声所掩盖而不利于噪声分析的问题,提出了一种基于集合经验模态分解(EEMD)算法、时域同步平均(TSA)和BP神经网络结合的齿轮缺陷检测方法.首先运用集合经验模态分解算法将原始噪声信号分解,以齿轮啮频及其倍频为参考从中提取有用信号,并作时域同步平均进一步去噪；然后,计算去噪以后的特征,并选取不同缺陷状态下差异明显的特征,构建为一组特征向量；最后,将特征向量输入到BP神经网络分类器中进行缺陷的自动识别.研究结果表明,应用EEMD以及TSA相结合的方法去噪效果良好,数据进行处理以后所反映的缺陷特征明显；应用BP神经网络进行的智能识别避免了传统分析中过多依靠人主观判断而产生的缺陷,识别结果更准确.