刘兴教, 赵学智, 李伟光, 陈 辉

(华南理工大学 机械与汽车工程学院， 广州 510640)

柔性薄壁轴承作为谐波减速器的核心零部件之一，其工作的稳定性决定了谐波减速器的性能[1]。柔性薄壁轴承装配在谐波减速器后被强制变形为椭圆，运行过程中内、外圈受到椭圆长短轴周期性的径向作用力[2]。与普通滚动轴承相比，柔性薄壁轴承受到的冲击可分为两种，一种是椭圆长短轴交替产生的冲击，另一种是由于故障导致零件之间相互接触产生的冲击[3]。且由于柔性薄壁轴承工作时为椭圆形，变化的节径导致柔性薄壁轴承的故障特征频率为某一区间范围内变动的值[4-5]。因此，相对于普通滚动轴承，柔性薄壁轴承的振动信号更为复杂，故障特征提取更加困难。

Huang等[6]在1998年提出一种自适应的时频分析方法——经验模态分解(Empirical Mode Decomposition，EMD)，无需先验基函数，能将非线性非稳态信号分解成一系列固有模态分量(Intrinsic Mode Function, IMF)，并且已成功应用在不同领域的信号特征提取中。然而，EMD算法的有效性受模态混叠的影响,为了克服这一缺陷，Huang等[7]提出一种噪声辅助的EMD算法，集成经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)。在各领域应用广泛，例如，王志坚等[8]使用最小熵反褶积(Minimum Entropy Deconvolution, MED)与EEMD相结合的方法对滚动轴承温柔故障特征提取进行了研究。沈长青等[9]提出基于EEMD和改进的形态滤波方法，对周期性脉冲成分进行提取。

最大相关峭度解卷积方法(Maximum Correlated Kurtosis Deconvolution, MCKD)是McDonald等[10]对MED进行改进时提出的。以滤波后信号的相关峭度为目标函数，求解最优解卷积滤波器参数。……