马增强， 李亚超, 刘　政， 谷朝健

(石家庄铁道大学 电气与电子工程学院，石家庄　050043)

基于变分模态分解和Teager能量算子的滚动轴承故障特征提取

马增强， 李亚超, 刘政， 谷朝健

(石家庄铁道大学 电气与电子工程学院，石家庄050043)

针对滚动轴承早期故障振动信号信噪比低、故障特征提取困难的问题，提出了基于变分模态分解和能量算子的滚动轴承故障特征提取方法。该方法首先对故障信号进行变模态分解(Variational Mode Decomposition, VMD)，得到若干本征模态分量(Intrinsic Mode Function, IMF)；其次，通过峭度准则选取其中峭度最大的分量进行Teager能量算子解调，得到信号的Teager能量谱。将该方法应用到滚动轴承仿真故障数据和实际数据中，结果表明，该方法提高了信号的分解效率，降低了噪声的影响，能够实现滚动轴承故障的精确诊断，证明了该方法的有效性。

滚动轴承；故障诊断；变模态分解；能量算子

滚动轴承是旋转机械中应用最为广泛、也是最容易损坏的零件之一。据统计，在使用滚动轴承的旋转机械中，约有30% 的机械故障由滚动轴承引起，滚动轴承质量的好坏对机械设备工作状况有很大影响,因此，对滚动轴承的故障诊断具有重要的意义。

在滚动轴承早期故障信号中，由于噪声污染严重，导致低频段特征频率及其谐波特征频率极其微弱。在90年代末，Huang等[1]提出了经验模态分解算法，这是目前广泛使用的一种自适应信号处理方法，把非平稳信号分解成不同频段的模态分量进而转化成平稳信号进行分析。……