杨 斌, 张家玮, 樊改荣， 王建国

(1.内蒙古科技大学 机械工程学院，内蒙古 包头 014010； 2.内蒙古一机集团第四分公司，内蒙古 包头 014032)

滚动轴承作为旋转机械中的重要零部件，其一旦出现单一微弱的故障或者局部损伤，并不会马上停机检查，设备如果一直在恶劣的环境中工作，单一微弱故障将会变成强故障，进而导致复合故障的发生，复合故障将导致旋转机械运转状况的恶化，引起相关部件相继发生故障，因此研究滚动轴承复合故障诊断方法具有重要的意义[1]。当故障和干扰成分同时存在时，故障冲击成分因为能量小常被淹没于强烈的背景噪声中，故对于复合故障而言，复合故障中的微弱成分特征提取更加困难，会容易造成漏诊和误诊，换言之，复合故障特征的分离、提取是研究的重点[2]。

最小熵反褶积(Minimum Entropy Deconvolution，MED)方法是一种系统辨识方法，广泛应用于地震信号中的反射参数信息的提取[3]。基本原理是解反褶积结果突出少数大的尖脉冲，对旋转机械冲击性故障的降噪处理非常适用，但是MED方法在降噪时未考虑信号的周期性，降噪效果受限，并限制了其故障特征提取能力。为了使轴承周期性冲击信号更加明显，方便进行后续处理，Mcdonald在MED的基础上研究出了最大相关峭度解卷(Maxim Correlated Kurtosis Deconvolution，MCKD)方法。该方法选取一个有限冲击响应滤波器f使周期已知信号通过滤波后相关峭度值达到最大，并且通过解卷积运算使信号被噪声掩盖的周期冲击成分变的突出。

众多学者对MCKD方法展开了一系列研究，胡勇[4]将MCKD方法应用到滚动轴承故障诊断中，利用MCKD清除传递路径的影响，使故障特征成分得到一次增强。……