郭艳平，龙涛元

（中山火炬职业技术学院，广东 中山 528436）

1 引言

滚动轴承是风力发电机组等旋转机械的重要传动部件，齿轮箱是风力发电机组中最易发生故障的部件[1]，由于其处于一百多米的高空，所以齿轮箱的维护或更换费时费力，因此，对风电机组齿轮箱中的滚动轴承和齿轮等旋转机械的故障诊断方法进行研究具有重要的理论、经济和实际应用价值。

目前已有很多先进的信号分析方法被应用在轴承故障诊断中，例如傅里叶变换、窗口傅里叶变换、Wigner-Ville分布和小波分析等，但上述几种方法均有其局限性，不适合用于分析振动等非平稳信号，EMD是一种自适应的时频分析方法，分解可获得若干个具有一定物理意义的IMF（intrinsic mode function）分量，它非常适合对非平稳、非线性的信号进行分析，所以在旋转机械故障诊断领域有广泛且有效的应用。

诊断流程的第二步是故障特征提取，常用有量纲时域特征量包括：最大值、均值、方差、均方幅值等，无量纲时域特征量包括：峭度，波形指标，峰值指标，脉冲指标，裕度指标等[4]，这些特征量各有其使用场合，但很难兼顾敏感性和稳定性，例如峰值因子、峭度在故障发生的早期阶段较敏感，但稳定性不够，当故障发展到严重阶段时，这两个特征值和正常状态时相同。文献[5]提取的故障特征参数是经EMD分解后所得各个IMF的能量，该特征参数易受信号传播路径和传感器参数的影响，具有不稳定性；文献[6]提取包络谱中特征频率处的幅值比作为故障特征量，该指标也具有很大的波动性。……