张炎磊，张培杰，方雁衡，董辛旻

（1.郑州大学振动工程研究所，河南 郑州 450001；2.郑州市质量技术监督检验检测中心，河南 郑州 450053；3.广东省特种设备检测研究院顺德检测院，广州 佛山 528300）

1 引言

大型工程机械中的滚动轴承应用广泛，并且使用频率高，同时也是零部件中极易发生损害的一种，并且当滚动轴承产生故障时容易引发其他故障，甚至引起整个设备的失效，所以轴承的运转情况极大地影响机械的运行状况[1]，因此近些年来对轴承的监测和诊断的关注度越来越高。当滚动轴承出现故障时，非平稳信号占据故障信号的绝大部分，同时在实际工程中，大型机械的运行往往伴随的大量的噪声信号，因此滚动轴承故障诊断的重点在对滚动轴承噪声处理后的信号特征提取。

近些年来，非平稳信号的处理越来越多元化，自适应时频分析方法发展尤为迅速且更适合非平稳信号的处理。自适应分析方法的研究中，在EMD 方法的研究基础上，文献[2]于2005 年提出了局部均值分解（LMD）。它在不丢失信号信息的基础上，根据信号自身特点，将信号分解成多个以纯调频信号和包络信号为基础的PF 分量。在此基础上，文献[3]将独立分量分析方法（ICA）的优势结合局部特征分解，再根据相关系数准则对故障信号处理，完成对信号的降噪以及特征提取。同时根据文献[4]研究，以及文献[5]的对比研究，核独立分量分析（KICA）更加适用于实际工业过程中的非线性信号，KICA 模型相对于ICA 模型在对故障反应更加灵敏，故障信号的区分度也更加明显。……