郑 义， 岳建海， 焦 静， 郭鑫源

(北京交通大学 机械与电子控制工程学院车辆工程系，北京 100044)

滚动轴承是旋转机械设备中重要部件之一。设备运行时, 磨损、疲劳、腐蚀、过载等原因都可能造成滚动轴承的局部损伤故障[1]。过多的损伤诱因以及恶劣的工作条件导致轴承故障多发，从而降低生产效益。有效的轴承早期故障诊断方法对于提高机械可靠性，降低财产损失有着极大的帮助。

机械故障诊断的关键是提取有效的故障特征信息。然而早期故障产生的微弱冲击特征信息容易被复杂的背景噪声淹没，单一的时域及频域分析难以提取到故障特征，不适合分析具有非平稳性特点的振动信号[2]。Huang等[3]提出的经验模态分解(Empirical Mode Decomposition, EMD)方法作为一种有效的时频分析方法，避免了以往方法基函数的选取问题。它通过信号在时间尺度上的动态特性，自适应地将其分解为有限固有模态函数(Intrinsic Mode Functions, IMFs)的和，在应用中取得较好的效果[4-5]。但这种递归模式分解的方法会导致分解时误差的不断传递，出现模态混叠现象。此外还存在着端点效应、虚假分量、缺乏数学理论基础等问题，影响特征提取效果。

Dragomiretskiy等[6]提出变分模态分解(Variational Mode Decomposition, VMD)方法，这种信号分解方法完全不同于EMD方法，它将模态分量看作具有一定中心频率的有限带宽，分解具有较好的稀疏性。相对于EMD方法来说，VMD方法具有数学理论基础完备，模态混叠现象及端点效应较小等优点，在近年来得到广泛应用。文献[7]将变分模态分解算法成功应用到转子故障诊断中；……