黄 衍，林建辉，刘泽潮，黄晨光

(西南交通大学 牵引动力国家重点实验室，成都 610000)

轴箱轴承是高速列车的重要部件，在高速列车运行过程中，轴承承受着各种动态载荷以及恶劣的运行条件，这使得轴承面临巨大的故障以及加剧恶化的风险。轴箱轴承对于高速列车的行车安全有着至关重要的作用，因此，进行轴箱轴承的故障诊断有着非常重要的意义。

轴承的故障主要产生在轴承的外圈、内圈、滚动体以及保持架上。当轴承部件的表面产生故障时，滚子的运动与故障相碰撞将会激发周期性的冲击以及相应的共振，不同的轴承部件故障因为滚子经过的规律不同所激发的故障频率也有所不同。然而机械系统的结构比较复杂，振动信号中往往包含了来自于其他振动源的干扰信号，这对直接观察信号的时域与频域带来了一定的困难[1]。包络谱解调是一种非常流行的故障诊断方法，可以有效的突出信号中的周期性成分。然而包络谱解调对只适用于窄带信号，因此在进行包络谱解调前需要对信号进行滤波提取出有效的频率频段[2]。

传统的滤波器非常依赖于对信号的后验知识，例如带通滤波器需要确定滤波通带，小波滤波器则极依赖小波基函数的选择。为提高信号频带的提取与筛选，黄锷在1998年提出了经验模态分解(Empirical Mode Decomposition, EMD)，EMD假设一组信号有若干本征固有模态组成(Intrinsic Mode Function, IMF)，并通过在时域中提取信号的IMF来实现信号的分解[3]。EMD在故障诊断中得到了广泛的应用，而其缺点也非常明显，通过EMD分解出的IMF容易出现模态混叠现象并且缺乏一定的数学理论基础。……