齐咏生， 樊 佶， 李永亭， 高学金， 刘利强

(1. 内蒙古工业大学 电力学院，呼和浩特 010080； 2. 内蒙古自治区机电控制重点实验室，呼和浩特 010051；3. 北京工业大学 信息学院，北京 100124)

风力发电机组传动系统结构复杂，工况恶劣，承受外界载荷多变，易造成机组构件损坏，而滚动轴承是其中最重要也是最易受到损伤的零部件之一。滚动轴承如若发生故障将对整个旋转机械甚至整个风机的运行状态产生重大影响，严重时导致整台机组停机[1]。因此实时监测其工作状态，准确诊断其故障成因对风力发电机组的维护与运行有着重要的现实意义[2]。

轴承振动信号分析是实现风电机组滚动轴承状态检测最有效的工具之一。当轴承表面出现局部损伤时，故障信号包括一系列周期性指数衰减振荡脉冲，这些脉冲还会激发轴承结构共振。然而，实测轴承振动信号多采用加速度传感器直接从箱体上获取，导致其信噪比较低，特别是早期故障信号能量很小，故障特征信息比较微弱，难于提取。此时，若能够将淹没在环境噪声及干扰频率成分下的脉冲信号提取出来，则能较好的检测出故障类型及位置[3]。

形态学滤波(morphological filter, MF)是以数学形态学变换为基础的一种非线性滤波方法[4]，并已被广泛应用于许多重要领域，如图像处理[5]、语音识别[6]、电力信号[7]和机械振动信号分析[8]。其利用特定尺度和形状的结构元素(structure element, SE)与待处理信号的几何特征进行匹配，提取信号边缘轮廓和形状特征，达到消除噪声和保持脉冲特征的目的。……