石文杰， 黄 鑫， 温广瑞，2， 张志芬

（1.西安交通大学机械工程学院 西安，710049） （2.新疆大学机械工程学院 乌鲁木齐，830047）

引 言

滚动轴承是旋转机械中应用最为广泛的零部件之一，复杂的工作环境和长时间的交变载荷极易使轴承产生故障。对轴承运行状态进行实时监测是保证高端机械装备正常运行的必要环节，也是提高机械设备运行安全性、稳定性和可靠性的重要手段。因此，对于滚动轴承的状态监测和故障诊断具有重要意义。

常用的滚动轴承故障诊断方法有快速峭度图、最小熵解卷积和包络谱分析等。钟先友等［1］将迭代滤和快速峭度图相结合用于滚动轴承的微弱故障特征提取。祝小彦等［2］提出了多点最优调整的最小熵解卷积与Teager 能量算子相结合的滚动轴承故障诊断方法，并对信号进行包络分析实现轴承的故障诊断。陈祥龙等［3］提出平方包络谱相关峭度新指标，结合Morlet 小波滤波和粒子群优化算法，实现滚动轴承故障诊断与识别。

近年来，自适应信号分析方法在轴承故障诊断领域得到了广泛应用。徐可等［4］提出一种自适应波形匹配的延拓方法，对EMD 存在的端点效应进行改进，并结合优化的支持向量机实现轴承故障诊断。栗蕴琦等［5］采用经验小波变换对信号进行自适应分解，对各分量进行奇异值分解重构，有效提取出轴承故障特征。王普等［6］将信号进行局部均值分解，通过相关系数选择合适的分量并获得新的时间序列，构建多尺度熵能量进行故障特征提取。……