栗蕴琦，林建辉，李 倩

（西南交通大学牵引动力国家重点实验室，四川 成都 610031）

1 引言

轴承故障信号通常是非平稳、非线性的振动信号，所以往往使用时频分析方法对机械故障进行诊断，以便同时获得时域和频域上的信息[1-2]。常用的时频分析法主要包括Wigner-Ville分布、短时傅里叶变换、小波变换、和EMD方法等[3-4]。1932年Wigner基于Wigner-Ville分布对信号进行分析，因该方法具有较高的时频分辨率，所以比较适合用于分析非平稳的信号。但是对于两个以上分量构成的信号，该分布会因交叉项的产生导致信号的时频特征模糊不清，产生虚假成分，因此限制了它的广泛应用[5-6]。1946年Dennis Gabor引入了短时傅里叶变换（ShortTimeFourierTransform，STFT）处理信号，由于STFT不能同时获得高的时间分辨力和频率分辨率，其中一个变窄，另一个就必然变宽，所以STFT仅仅适用于分段的平稳信号或者近似平稳信号，对于非平稳信号不适用。20世纪80年代Morlet和A.Grossman提出了小波变换（Wavelet Transform，WT），该方法克服了窗口大小不随频率变化的问题，能较好地体现出信号局部的时域和频域信息，但是小波函数的选择较为困难，因此应用不广泛。1998年，文献[7]提出了经验模态分解（EmpiricalMode Decomposition，EMD）方法，自该方法问世以来，就被广泛的应用于处理非平稳、非线性信号，然而随着对EMD方法研究的深入，其模态混叠和端点效应的问题逐渐显露出来，因此很难在工程上得到广泛应用。

针对EMD存在的问题，Gilles将WT和EMD相结合，提出了经验小波分解算法（EmpiricalWavelet Transform，EWT）[8-9]。EWT能够对原始信号的Fourier谱进行自适应划分，并对每个分割区间内构造相对应的小波滤波器，通过构造的正交小波滤波器组来提取调幅-调频成分，从而能够准确提取分量信号。……