陈捷，孙炎平，洪荣晶，封杨

（南京工业大学 机械与动力工程学院，南京 210009）

转盘轴承是连接两大型相对回转体的关键部件，广泛应用于风力发电、工程机械、港口机械、海洋平台等领域［1］。与普通轴承相比，转盘轴承具有尺寸大、转速低、承载复杂等特点，而且其工作环境恶劣，安装、润滑及维修都非常不便，一旦发生故障将造成严重损失，因此对转盘轴承进行监测和故障诊断意义重大。

高阶谱技术是非线性、非高斯、非因果信号处理及盲信号处理非常重要且有效的分析工具［2］。对于含有加性高斯有色噪声的信号，高阶累积量（高阶谱）在理论上可以完全抑制噪声的影响，提高分析和辨识的精度［3］。风电转盘轴承振动信号中的噪声一般可近似作为高斯噪声进行处理。因此利用高阶谱处理振动信号往往更容易获得内在的特征信息［4］。

对于大型机械设备，由于难以获取大量的故障数据，基于先验知识的智能故障诊断方法受到限制。支持向量机是以统计学习理论为基础的一种高效机器学习方法，在小样本、非线性、局部极小点及高维模式识别中表现出了许多特有的优势，很好地解决了大型机械设备缺少大量故障数据的问题。其最大的特点就是泛化能力强，在模型的复杂性和学习能力之间寻求最佳折中，在中小型轴承的故障诊断中已有应用［5-6］。

文中以风电转盘轴承为研究对象，利用双谱分析技术对测试参数进行特征提取，并利用支持向量机对特征参数进行建模分析，以便及时分析故障转盘轴承的运行状态，实现其故障诊断。……