方晓汾

（衢州职业技术学院，浙江 衢州324000）

0 引 言

在纯电动汽车中，电驱系统包括驱动电动机、电动机控制器、动力输出部件等，是整车的关键部件。电驱系统在各工况下的可靠性直接影响整车的动力性、安全性。相比传统的内燃机动力系统，电驱系统结构具有体积小、机电耦合程度高、集成程度高等特点，从而导致该部件不易维修等问题。

针对机电系统中滑动轴承润滑状态中的不同频带的能量分布进行分析，通过经验模态分解（Empirical Mode Decomposition，EMD）将滑动轴承非平稳声发射信号分解为有限个平稳的本征模态函数(IMF),选取包含主要故障信息的前10阶IMF分量计算能量比例, 对轴承故障进行分类[1]，该方法应用于汽轮机转子故障诊断中，能较好地进行汽轮机转子不平衡、转子碰摩和转子油膜等振动信号的分析[2]，但仅应用经验模态分解(EMD)不仅存在信号单一、系统简单等局限性，而且仍然处于故障诊断中的被动诊断，较难发现复杂机电系统中潜在的安全隐患和故障预警。因此，研究在纯电动汽车电驱系统这类耦合程度高、产生信号干涉多、安全可靠性要求高的复杂机电系统，具有重要的研究意义。

针对复杂程度高、耦合度高的复杂系统的振动问题，一般来说，建立振动系统的动力学模型，分析干扰耦合的产生原因[3]，不仅计算量大、数学模型复杂，而且处理效率不高。针对复杂的非线性、非平稳信号，雷亚国等[4]应用Hilbert-Huang方法分析机械故障诊断中的非线性信号处理，分析分量中的故障敏感信息，借助计算能力的提升，应用大数据驱动下保障装备安全运行，依靠充足的可用监测数据训练智能诊断模型进行智能诊断，进而准确识别装备的健康状态[5-7]。……