朱 敏，段志善，郭宝良

（西安建筑科技大学机电工程学院，陕西 西安 710055）

1 引言

滚动轴承是机械设备应用最广泛的部件之一，也是最易损坏的元件之一[1]。所以对滚动轴承进行检测是非常必要的，提取滚动轴承的故障特征频率是诊断滚动轴承故障的关键[2]。轴承发生故障，故障信号大多数表现为非平稳的冲击脉冲信号，其宽度较窄[3]，在实际测量当中，设备的工频以及背景噪声往往会淹没冲击信号。

集合经验模态分解方法将噪声辅助分析应用于经验模态分解中以促进抗混分解，有效抑制了模态混叠现象[4-5]。经EEMD分解得到的固有模态函数能揭示原信号的物理内涵，使每个IMF的物理本质更为清晰。

传统的消除噪声的方法是基于傅里叶变换的带通滤波器实现，但是这种滤波容易将信号中的部分非噪声信号也一起滤掉，因此效果并不理想。这些年小波降噪取得了较大的进展，尤其在机械故障诊断以及降噪处理方面具有良好的效果。

在经验模态分解中，对于IMF分量选取的问题一直入了排列熵的概念，当某一分量排列熵值大于0.6时，就舍去这一分量，这种方法很容易删去有效的信号。文献[8]计算各IMF分量相关函数与原信号自相关函数的相关系数，根据相关系数来选择合适的IMF分量，但是未给出相关系数的取值范围。

提出了基于EEMD与小波包以及最优降噪准则相结合的信号处理方法。首先利用小波包降噪对仿真信号进行降噪处理，去除信号中噪声的干扰，然后使用EEMD方法对信号进行分解，分解得到的分量构建带通滤波器，通过最优降噪准则选择合适的滤波组合。……