， ， ，

(石家庄铁道大学 电气与电子工程学院，河北 石家庄 050043)

0 引言

滚动轴承是旋转机械中应用最为广泛的关键部件，其工作状态直接影响旋转机械系统的工作状况及效率，对轴承早期故障进行诊断和检测尤为重要[1]。然而由于轴承内部激励机理作用，复杂背景噪声以及其传递路径的影响，故障信息通常较微弱，采集到的信号往往包含大量噪声导致故障特征难以提取[2]。因此，在对采集到的故障信号故障特征频率提取前必须对其进行降噪处理，提高信号比。常用的滚动轴承故障诊断方法有小波分析(WA)、Hilbert-Huang变换(HHT)、经验模态分解(EMD)等，但这些方法都有各自独特优势，在滚动轴承早期故障信号特征提取时又有各自的局限性。小波分析对非平稳信号的降噪效果优于传统滤波降噪方法，但降噪效果与小波基和阈值的选取有关[3]；HHT是一种建立在经验上的分解方法，没有充分的数学基础，对强噪声背景的早期故障信号分解时不能得到较好的IMF分量；EMD能够自适应分解调频调幅信号，但在分解时会出现严重的模态混叠、端点效应等问题[4]。因此，本文提出了基于变分模态分解和形态学滤波的滚动轴承早期故障诊断方法，变分模态分解是一种新振动信号自适应分解方法[5]，能够实现信号的频域剖分及各IMF分量有效分离，相比于EMD等分解方法，在抑制模态混叠克服端点效应方面有显著效果[6]。形态学滤波器[7]在原始故障信号伴随较强的噪声,甚至发生了严重的畸变,其基本形状仍可以被识别和增强,同时保留振动信号主要故障信息。……