别锋锋，张仕佳，裴峻峰，徐鹏青

（常州大学机械工程学院，江苏 常州 213016）

1 引言

滚动轴承属于易损零件，在生产过程中，滚动轴承发生故障往往会导致设备发生故障，甚至会造成生产事故[1]。传统的滚动轴承故障信号处理方法有傅里叶变换法、小波检测法、维纳滤波法等。傅里叶变换法能够分辨振动信号在频域中的位置与大小，但是对故障信号的非线性问题处理能力不足；小波分析是傅里叶变换法的发展与拓展，提出可利用阈值处理小波系数来进行信号去噪，适用于突变信号和不平稳信号的分析，然而小波变换方法本身存在一定的缺陷，如小波基不易选取、不具有自适性和计算量过大；维纳滤波适用于稳态过程，而不适用于处理瞬态过程[2]。文献[3]提出了一种适用于非线性、非平稳信号处理方法：经验模态分解（EMD），它能够自适应地将信号分解成多个本征模态函数（IMF），但分解出来的IMF 分量有可能出现模态混叠现象[4]；为能够解决这种现象，文献[5]在EMD 的基础上提出平均经验模态分解（EEMD），通过加入高斯白噪声来避免出现模态混叠，但在分解过程中，添加的高斯白噪声无法被完全消除，影响分解结果[6]；完全经验模态分解（CEEMD）算法通过加入正负成对的白噪声来弥补EEMD 加躁去除不干净的缺陷[7]，但CEEMD 分解的时间和复杂度相比于EEMD 大幅提高，并且不能完全解决模态混叠；文献[8]通过对CEEMD 进行改进，提出了完全集合经验模态分解（CEEMDAN），通过加入自适应的噪声来进一步减小模态混叠，并且能有效地减少计算时间。……