朱瑜，王殿，王海洋

(华北电力大学 机械工程系，河北 保定 071000)

滚动轴承零件表面出现局部损伤时，在运行过程中会产生周期性的冲击力，从而激起轴承及相关部件的高频固有振动，致使轴承振动信号出现冲击特征和调制特征。同时，轴承出现故障时，在频谱图中会出现以固有频率为中心、故障频率为间距的共振带。包络分析技术就是对轴承故障信号的共振带进行包络解调，提取故障频率，已在滚动轴承故障诊断中得到广泛应用，成为滚动轴承故障振动信号分析的有效方法之一[1-2]。

然而，直接对原始信号进行包络分析时，带通滤波器的参数选择通常依靠经验，具有一定的盲目性。经验模态分解(Empirical Mode Decomposition,EMD)可将信号分解至不同频段，是一种自适应的信号分解方法。文献 [3-4]采用EMD和包络谱相结合的方法提取滚动轴承故障频率，取得了一定效果。该方法通过EMD将轴承故障信号分解为多个本征模态函数(Intrinsic Mode Function，IMF)分量，再对故障特性明显的IMF分量进行包络谱分析。然而，故障特征明显的IMF依然通过经验获得，缺少理论依据。文献[5]提出一种基于小波包系数熵阈值的增强型共振解调方法，利用小波包将轴承故障信号进行分解，计算各个小波包系数的信息熵，选取信息熵较大的小波包系数重构信号，并对重构信号进行解调处理，取得了一定的效果。但合适的小波包分解层数以及小波基较难确定。鉴于EMD在分解信号过程的自适应性，提出基于EMD和信息熵的滚动轴承故障诊断方法，以提取轴承故障特征频率。……