针对齿轮故障信号的非线性、非平稳特征,采用本征时间尺度分解(ITD)结合排列熵的方法进行故障特征提取。采用ITD分解方法将原始信号分解得到一系列的PR旋转分量。通过剔出无意义的PR旋转分量,筛选出反映真实状态信息的分量,然后计算筛选出的PR旋转分量的排列熵。不同故障信号的PR旋转分量的排列熵大小不一,规律可寻,据此可以将排列熵的值作为元素构造故障特征向量。通过实验模拟齿轮正常、齿根裂纹、断齿和缺齿这4种状态,证明ITD-排列熵有很好的分类效果。