陈恩利，张 玺，申永军，曹轩铭

(石家庄铁道大学 机械工程学院，石家庄 050043)

滚动轴承发生故障时其振动信号是一种非线性非平稳信号，并且信号微弱、调制性强、频带范围宽。传统的诊断方法，如时域分析法和频域分析法，对于诊断滚动轴承局部和早期故障，应用效果不佳。

经典的功率谱方法难以检测出信噪比较低的故障特征信号，并且对微弱的故障特征信号不敏感[1]。由于滚动轴承机械系统结构复杂，故障形式多样且呈现一定程度的非线性行为，振动信号和工作状态之间并不存在确定的函数关系。这就决定了滚动轴承故障诊断的难度和复杂性。因此，采用先进的现代信号处理技术提取滚动轴承检测信号中的故障特征信息成为近年来研究的热点。

滚动轴承故障诊断的方法有很多，如小波变换、Hibert包络解调、经验模态分解(EMD)、局部均值分解(LMD)等。蔡艳萍等[2]结合EMD信号分解方法和谱峭度，通过谱峭度来选取由轴承缺陷所引起的共振频率所在频带的MF分量，自动构建最佳包络来进行故障诊断。何田等[3]利用LMD方法将多分量的振动信号自适应地分解到一系列的PF分量，对PF的瞬时幅值进行FFT，有效地提取齿轮故障信息。李国宾等[4]针对柴油机振动信号的特点，提出应用小波包变化和奇异值分解提取振动信号特征的方法。陈亚弄等[5]对LMD算法进行了改进，并将其应用到滚动轴承三种典型故障的诊断中，结果表明LMD能够从实际轴承损伤类故障信号中分离出包含丰富故障信号的单分量信号。……