王冰,李洪儒,许葆华

(军械工程学院 导弹工程系，石家庄 050003)

轴承故障在电动机故障中占有很大比例。当轴承存在局部缺陷时，其振动信号中的脉冲信号含有丰富的缺陷信息，如果能够有效地将缺陷引起的脉冲信号提取出来，便可以诊断出缺陷存在的部位[1-4]。

包络分析与小波包分解是目前常用的滚动轴承故障特征提取方法[5-6]，但包络分析需要预先确定带通滤波器的中心频率和频带；而小波包分解在本质上仍是一种基于频率的线性分解，且存在各频带能量交叠现象。因此，对于具有非线性非平稳特征的轴承故障信号，这两种方法很难取得理想的效果。

基于此问题，文献[7-8]提出了形态小波(morphological wavelet，MW)的概念，成功地将大多数线性小波和非线性小波统一起来，形成了多分辨分析的统一框架。但该形态小波在信号分解时会出现逐层信息减半的情况，且在本质上是Haar小波，因此重构信号不够平滑。文献[9]提出一种形态非抽样小波(morphological un-decimated wavelet，MUDW)分解方法。文献[10]利用数学形态学算子构造了MUDW的一般框架。文献[11]则基于该框架提出形态开运算、闭运算级联的组合滤波器方法，并将该方法应用到复杂锥筒振动信号特征提取中，取得了很好的效果。文献[12]利用多尺度形态开闭滤波代替文献[11]中的单尺度组合滤波，并依次提取了主减速器振动特征。文献[13]构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法，并将其应用到滚动轴承故障特征提取中，取得了比传统小波包分解更好的效果。……