高红玮， 张丽荣， 侯少杰

(1. 河北经贸大学计算机中心，河北 石家庄 050061；2. 河北经贸大学旅游学院，河北 石家庄 050061)

基于变分模态分解改进方法的滚动轴承故障特征提取

高红玮1， 张丽荣2， 侯少杰1

(1. 河北经贸大学计算机中心，河北 石家庄 050061；2. 河北经贸大学旅游学院，河北 石家庄 050061)

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，提出了基于多相关-变分模态分解(MC-VMD)的滚动轴承故障诊断方法。首先对多加速度传感器采集到的信号进行多相关处理以突出故障信号特征；然后通过VMD自适应地将信号分解成多个本征模态分量(IMFs)，运用谱峭度法和包络解调对相关峭度较大的分量进行分析；最后通过包络谱识别出滚动轴承的工作状态和故障类型。将该方法应用到滚动轴承故障实例数据中，实验结果表明，该方法可有效提取滚动轴承故障特征频率信息。

多相关；变分模态分解；滚动轴承；谱峭度

滚动轴承是各种旋转机械中应用最广泛的零部件之一，同时也极易发生损坏。许多重大故障都是由于滚动轴承损坏而产生的，滚动轴承使用寿命直接影响到机械设备运行稳定性和安全性，因此对滚动轴承早期微弱故障的分析与诊断具有重要的科学意义和应用价值。

在90年代末，Wu和Huang[1]提出了经验模态分解(empirical mode decomposition，EMD)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。近年……