赵宁宁，杨新坤，潘高峰，杨 嘉，李文振，李富康

（长安大学工程机械学院，西安 710064）

0 引言

滚动轴承在旋转机械中起着至关重要的作用，但在实际应用中，由于机械系统内部各部分之间的复杂相关性，以及信号传输过程中的冲击和噪声干扰，所获得的滚动轴承故障信号通常是非平稳、非线性的振动信号。因此，国内外许多学者通过研究带通滤波器进行波段选择和去噪，其中经验模态分解[1]（EMD）、集成经验模态分解[2]（EEMD）、变分模态分解[3]（VMD）等时频分析方法已广泛应用于轴承故障诊断和健康监测，但是这些时频分析方法还处于完善的阶段。EMD 在模态混叠和端点效应方面存在缺陷，EEMD 是在EMD 的基础上进行改进，但并未从根本上解决模态混叠现象，VMD 由于需要预先设置参数导致缺乏自适应性。因此提出了ALIF算法[4]，该算法利用Fokker-Planck（FP）方程产生的迭代滤波器进行分解，通过数据驱动进行自适应滤波长度选择，有效抑制了模态混叠现象。轴承的故障状态分为滚动体、内圈、外圈3种，不同状态下的轴承故障振动信号通过ALIF 分解可以得到具有不同频率范围的单分量，频率范围不同的单分量所对应的能量值也不同，通过将不同状态下单分量的能量与总能量的比值来构造特征向量，并将特征向量输入到PNN模型中，可以有效识别轴承故障状态[5]。

1 自适应局部迭代滤波（ALIF）

ALIF方法是对迭代滤波（IF）算法[6]的改进，利用FP 微分方程的基础解系自适应的选择滤波器函数，有效抑制了IF算法中的噪声敏感和模态混叠现象。……