郑小霞，贾文慧，王靖，任浩翰

(1.上海电力学院 自动化工程学院,上海 200090;2.上海东海风力发电有限公司,上海 200090)

0 引言

滚动轴承作为海上风电机组的关键零件，其健康状况对整个风机的运行状况会产生很大影响，据统计，约 29%左右的机械故障与轴承损伤有关[1]。因此，需要对滚动轴承进行及时的状态监测和故障诊断。而在实际情况下，设备的工况十分复杂、伴随其启动过程会出现强转速波动而且发生故障时会有冲击干扰，所以获取到的振动信号会被多种噪声污染[2]。因此在故障诊断前需要先对要研究的信号进行降噪处理。

形态滤波被称为一类新型非线性滤波方法，具有很强的脉冲干扰抑制能力，所以被广泛运用于信号处理中。胡爱军等提出了单一尺度结构元素的形态学滤波器，用于去除振动信号的噪声[3]；姜万录等提出了一种迭代自适应多尺度形态分析(IAMMA)的滤波方法，对振动信号进行多尺度形态差值迭代运算，达到滤除噪声成分的目的[4]；刘俊峰等引入了一种多结构元素的滤波方法对大地电磁中的噪声进行消除[5]。但上述形态滤波方法应用于含多噪声的实际振动信号分析时，在结构元素与尺度的选择上都存在各自的局限性，当前仍欠缺将其两者有效结合的方式。经验模态分解(Empirical Mode Decomposition，EMD)是由Huang等人提出的一种非线性时频分析方法[6]，在信号特征获取方面具有独特的优势，近年来被广泛运用于轴承的故障诊断中[7-8]。

本文针对实际现场……