宋玉琴，周琪玮，赵 攀

(西安工程大学电子信息学院，西安 710600)

0 引言

滚动轴承是各种生产设备的重要组成部分且长期在高速、高负载情况下工作，对其故障识别能够大幅降低产品的次品率和减小设备维护造成的经济损失。因此，自动并有效地对滚动轴承故障进行诊断有着重要的意义[1]。

分析滚动轴承振动信号获取滚动轴承的状态信息，为在多种故障信号的情况下准确区分具体故障类型提供帮助。虽然振动信号存在时域非平稳特性和频域非线性特性，但信号处理技术已经日趋成熟，能够高效地揭示振动信号的时域特性、频域特性以及二者之间的联系[2]。

传统时域信号处理方法基于信号自身的时域特性，通过数学计算提取各种信号时域特征。文献[3]分析了滚动轴承故障信号的时域波形和3个时域指标，但时域指标的选择具有经验性。文献[4]使用离散小波变换(DWT)对轴承滚动体故障进行特征提取。特征送入分类器后分类准确率相较于传统方法有着较高的提升，但遗漏采样间隔内的特征信息，变换后的子信号存在频率混叠问题。小波包变换是在小波多分辨分析的基础上发展完善而来，为解决小波分辨率不足、低频段信号时间分辨率不佳等问题[5]。文献[6]利用小波包将信号分解后再求取能量谱，得到稳定性较高的小波包节点能量特征，但依然没有解决采样间隔的信息遗漏和频率混叠。

针对上述问题，本文提出幅频对比算法优化的DTCWT结合AR功率谱的滚动轴承故障诊断方法。……