谢 平， 杨玉昕， 江国乾， 李小俚， 李兴林

（1.燕山大学电气工程学院，河北秦皇岛 066004；

2.杭州轴承试验研究中心博士后科研工作站，浙江杭州 310022）

基于局部均值分解的滚动轴承故障诊断新方法

谢 平1， 杨玉昕1， 江国乾1， 李小俚1， 李兴林2

（1.燕山大学电气工程学院，河北秦皇岛 066004；

2.杭州轴承试验研究中心博士后科研工作站，浙江杭州 310022）

针对滚动轴承振动信号的非平稳特性和调制特点，提出了一种基于Wigner-Ville谱熵的特征提取新方法：运用局部均值分解算法将轴承振动信号分解为若干个乘积函数，并基于Wigner-Ville分布描述主要乘积函数分量的时频能量特征。在此基础上，结合Shannon熵构造一种新的特征提取指标—W igner-Ville谱熵，并将其构成的特征向量输入到最小二乘支持向量机，实现了轴承不同工作状态和故障程度的自动分类与诊断。仿真和实例分析证明了方法的有效性。

计量学；故障诊断；局部均值分解；滚动轴承；非平稳振动信号；调制信号

1 引 言

滚动轴承是机械设备中常用、关键的零部件，其运行状态正常与否往往直接影响到整机或系统的精度、性能、寿命及可靠性等，对其进行状态检测和故障诊断具有重要意义［1］。由于滚动轴承发生故障时，会产生非平稳的调幅调频现象，因此，解调技术成为故障特征有效提取与故障准确分类的前提。局部均值分解（Local Mean Decomposition，LMD）算法是由Smith提出的一种新的自适应时频分析方法［2］，能够将复杂的多分量调幅调频信号分解为若干个乘积函数（Product Function，PF）之和，每一个PF分量都是单分量调幅调频信号。……