魏永合，聂 晨，李宏林

(沈阳理工大学，机械工程学院，沈阳 110159)

随着科技能力飞速发展以及社会需求的提高，机器化设备的精密程度、智能程度以及复杂程度也越来越高。在众多企业设备中，旋转机械占有很高的比重，滚动轴承是绝大部分实现旋转机械功能的关键部件。因此对其进行故障诊断有着重要意义。

局部均值分解算法(LMD)是一种新的时频分析方法，近些年来，人们把LMD和稀疏表示方法用于机械故障诊断之中。稀疏表示能把大部分或全部的原始信号用较少的基本信号的线性组合来表示，能对数据进行更为高效的处理，为早期的滚动轴承特征提取提供了一种新的思想[1]。孙伟等[2]将小波包与LMD相结合，成功提取了滚动轴承故障特征。程军圣等[3]用基于LMD的谱峭度法分析齿轮故障信号并提取特征。王聪等[4]将OMP用于齿轮箱振动信号处理且取得了良好的效果。孙春雨等[5]利用OMP和非参数波形估计提取滚动轴承故障信号特征并有效的诊断出故障类型。张新鹏等[6]将稀疏表示理论引入到轴承故障诊断中，通过比较设置阈值和稀疏表示的误差值去判断轴承的故障状态。严保康等[7]提出了相干累积量分段正交匹配追踪算法[d1]，根据故障信号字典内外相干累积量选择位移和频率因子，进而使其选择原子库效率更高。

上述稀疏表示方法仍有在构建字典时易受噪声干扰混入虚假原子、稀疏编码部分不易区分相似原子以及迭代终止条件……