，，，

(1.沈阳工业大学机械工程学院，辽宁 沈阳 110870；2.辽宁装备制造职业技术学院自动控制工程学院，辽宁 沈阳 110161；3.中认(沈阳)北方实验室有限公司，辽宁 沈阳 110164)

0 引言

近年来，我国的风力资源开发正在进入一个高速增长期，风力发电的规模也在逐步扩大。由于风力发电机组长期处于载荷多变、风速不稳的工况下，机组的机械部件极易发生故障，其中轴承故障占总故障率的40%以上[1]。轴承出现早期故障时，会使系统出现振动和噪声，若未能及时处理，则可能导致其他传动部件崩溃甚至报废，严重影响风力发电机组的运行[2]。由于轴承拆卸不便，传统的人工维修方式效率低、成本高，这就需要探索轴承故障诊断的新方法、新策略。

轴承作为一种典型的旋转部件，其故障常从振动信号中表征出来，对振动信号的分析与诊断是目前常用的手段[3]。常用的信号分析方法有时域分析、频域分析和时频域分析。其中，时频域分析具有降低强噪声干扰、适应复杂工况的优点，在故障特征提取方面得到了越来越多学者的关注。加拿大卡尔加里大学Sharma 等[4]对多种状态指标的齿轮故障诊断进行了综述。清华大学张智等[5]提出了小波能量熵在铣削振动状态分析中的应用，研究了信号的能量分布规律。西安交通大学雷亚国[6]提出了基于集成经验模态分解的希尔伯特黄变换诊断方法。西安航空学院杨武成[7]提出了一种基于阶次跟踪和Hilbert包络解调的滚动轴承故障诊断方法。……