郑 直，李世峰，郭 洋，王志军，陈 志

(1.华北理工大学 机械工程学院，河北 唐山 063210；2.惠达卫浴股份有限公司，河北 唐山 063000；3.唐山师范学院 物理系，河北 唐山 063210；4.华北理工大学 轻工学院，河北 唐山 063000)

机械设备中的液压泵、滚动轴承和齿轮等起着动力输出和传动等重要作用，并已广泛地应用于航空航天、冶金和化工等重要领域。因此，如果上述元件发生故障，重则导致重大人员伤亡和经济财产损失。

目前，国内外学者已基于单源信号成功地对上述故障元件进行了大量研究：Li等[1-2]分别利用复合谱、信息熵、解析模态分解、形态学等方法对液压泵进行了故障诊断；侯文擎等[3]、程军圣等[4]、陆思良等[5]和Chen等[6]分别利用深度学习、总体经验模态分解、二维互补随机共振和稀疏编码等方法对滚动轴承进行了故障诊断；胡茑庆等[7]、张东等[8]、Shen等[9]和熊鹏等[10]分别利用经验模态分解、深度学习、迭代广义短时傅里叶变换和多分类直推式支持向量机等方法对齿轮进行了故障诊断；李志农等[11]和唐贵基等[12]分别利用变分模态分解和参数优化时变滤波经验模态分解等方法对转子进行了故障诊断。

当上述旋转机械设备发生故障时，会在不同方向表现出不同的振动形式，不同方向振动传感器所采集信号包含了不同数量和形式的故障特征信息。因此，将多源信号进行融合，可有效地提高故障诊断效率和精度。

目前，大量国内外学者基于全矢方法进行故障诊断。其思想是通过安装在同一截面两个相互正交的传感器来采集信号，融合各个信号中的特征信息，可全面地表达设备运行状态。……