杨 思，朱爱华，2，姚德臣 ，杨建伟,2 ，白永亮

(1.北京建筑大学 城市轨道交通车辆服役性能保障北京市重点实验室，北京 100044；2.北京交通大学 机械与电子控制工程学院 ，北京 100044)

0 引言

齿轮箱是地铁的关键部件。滚动轴承在齿轮箱中大量使用，并为其提供稳定的支撑。在设备的运行中大部分能量都要通过齿轮箱进行调节和控制，因而滚动轴承的工作状态将会直接影响到整套设备运行安全[1-2]。由于地铁齿轮箱所处环境恶劣且启动频繁，轴承转速变化剧烈，并且随着载客量的变化也会影响齿轮箱负载的变化，这就很容易造成齿轮箱发生故障，严重影响地铁的安全运行。因此，研究地铁齿轮箱的故障信号提取方法具有重大的意义。

对于含噪的非平稳、非线性故障信号，许多学者提出了不同的降噪算法。钟先友[3]等通过最大相关峭度解卷积与重分配小波尺度谱相结合的方法，有效地分离了旋转机械的故障信号中掺杂的噪声，提高了机械复合故障的诊断效率。白永亮[4]等提出了一种EMD-BSS改进算法，通过计算IMF分量的相关相关系数矩阵并进行地铁齿轮箱微弱故障振动信号的提取。唐贵基[5]等利用粒子群寻优算法确定了MCKD方法的核心参数，自适应地实现了最优的增强故障信号中冲击成分的效果。但是在采集的齿轮箱故障信号中含有的大量噪声，使用单一的最大相关峭度解卷积方法很难有效地分辨出隐含于环境噪声中的有用信息特征。Yi Wang[6]等通过小波包变换与谱峭度相结合的方法，准确提取了旋转部件故障产生的瞬时脉冲信号。……