唐贵基，王 菲，周福成，赵 晨

（华北电力大学 能源动力与机械工程学院，河北 保定 071003）

由于机器的安装误差、工作状态下热膨胀、承载后的变形以及机器基础的不均匀沉降等，有可能会造成机器工作时各转子轴线之间产生不对中[1]。不对中是转子系统一种典型的故障，具有不对中故障的转子系统在其运转过程中将产生一系列有害于设备运行的动态效应，如引起设备的振动、机器联轴器偏转、轴承早期损坏、油膜失稳和轴的弯曲变形等，导致机器发生异常振动危害极大，其振动信号具有非线性特征，例如，具有倍周期、倍频、工频振动及混沌现象等特征[2]。然而，由于在强烈的背景噪声下，信号中不对中故障特征不明显，即存在微弱不对中故障，则对于故障特征的提取存在一定程度困难。常见的非线性、非平稳处理方法有：小波变换、经验模式分解（EMD）、总体经验模式分解（EEMD）等。小波变换可以有效抑制白噪声，但是抑制脉冲干扰能力不强；EMD是分析非平稳信号和非线性信号强有力的工具，但是存在缺乏严格的数学基础、算法效率低、模式混叠问题。EEMD是在EMD基础上的改进算法，能有效抑制模态混叠现象，但是算法效率低[3]。

针对EMD方法存在的不足，Dragomiretskiy等于2014年创造性地提出了一种新的完全非递归自适应信号处理方法，即变分模态分解（VMD）方法。该方法的核心思想是假设每个模态的绝大部分都是紧紧围绕在某一中心频率周围的，然后将模态带宽的求解问题转化为约束优化问题，求解出每个模态[4]。……