王衍学，何正嘉，訾艳阳，袁 静

(1.桂林电子科技大学 机电工程学院，桂林 541004;2.西安交通大学 机械制造系统工程国家重点实验室，西安 710049)

机械设备状态监测与故障诊断是保证设备高效运行、提高企业经济效益、维护公共安全具有重要的现实意义。振动信号分析是目前普遍采用的一种机械故障诊断方法。机械设备振动信号通常蕴含着丰富的故障特征信息。当机械设备发生碰摩、冲击等故障时，系统的阻尼、刚度、弹性力等都发生变化，呈现出非线性、振动信号变得非平稳［1］。因此，如何有效地从振动信号中提取有用信息成分是机械设备故障诊断研究的关键。机械故障领域学者一直以来也都在寻找一些有效的信号处理与特征提取方法。迄今，机械振动信号的常见处理方法有时域分析法、频域分析法和时频域分析方法(短时傅里叶变换、Wigner-Ville分布、小波分析、Hilbert-Huang transform等)。每种方法都有其优势与不足，而时频域分析方法由于能够综合反映信号信息成分而得到广泛应用。

Smith［2］提出一种新的信号分解方法—局部均值分解(Local mean decomposition，LMD)。LMD自适应地将信号分解为若干个乘积函数(Product Function，PF)之和，其中每一个PF可看作由一个包络信号与一个纯调频信号的乘积得到。目前国内外学者对于LMD算法的研究以及其在机械非平稳、非线性信号分析中的应用尚处于起步阶段，诸多问题尚需解决。本文基于LMD的瞬时频率精确计算、瞬时时频构建技术及其故障诊断的应用研究，并成功应用于转子碰摩故障、实际轧机齿轮箱齿面剥落故障诊断。……