张 珂，邢金鹏

(青岛理工大学 机械工程学院，山东 青岛 266520)

0 引 言

轴承的装配不当、制造精度过低、制造轴承的生产原材料存在缺陷、疲劳生产、超负载工作、腐蚀物质的侵入、保养不当以及恶劣的生产环境等，使其很容易出现故障。轴承故障往往会导致整机故障，造成生产的意外中断，引起巨大的经济损失，所以如何快速精确地诊断轴承故障一直都是国内外学者研究的重点。目前，可实现轴承故障监测的技术有很多，常见的有振动检测技术、润滑油成分分析技术、声发射技术、超声波探测技术等。其中，振动检测技术是滚动轴承故障诊断领域里发展最为成熟且使用最为广泛的技术[1-6]。但在实际测量中，检测得到的故障信号往往包含有大量的噪声成分，致使由振动监测技术获得的诊断结果不精确。为此有必要构造一套更加有效的去噪算法。小波阈值去噪算法是一种经典的信号去噪算法，具有去相关性、多分辨率，自适应等特性，在轴承故障信号的去噪中独具优势[7]。它的时—频窗口可以实现伸缩变换，能进行信号的多阶次、低高频细化分析，能够聚焦信号中的任意细节[8]，可实现故障特征信息的提取。然而，在传统的小波阈值去噪中，硬阈值函数和软阈值函数都存在着很大的缺陷，致使去噪后的信号存在固定偏差和不连续等问题[9-11]。如果去噪后的信号存在多处的振荡或失真，在对故障轴承振动信号分解时，往往得不到理想的处理结果。……