赵天升 常雪

1.中国船舶重工集团公司第七一三研究所，郑州 450015；2.重庆大学机械传动国家重点实验室，重庆 400044

0 前言

滚动轴承在机械设备的传动系统中起着重要的作用。由于滚动轴承实际使用工况复杂，发生故障的概率也相对较高。因此，及时有效地提取滚动轴承的故障特征，确保机械设备连续可靠运行，避免因突发故障造成不必要的损失是机械设备状态监测和故障诊断的研究重点[1]。在滚动轴承出现损伤的初期，故障特征信号通常较为微弱，且受到强背景噪声的干扰，因此，需要采用一种有效的方法对滚动轴承早期的微弱故障特征进行提取。

Teager能量算子（teager energy operator，TEO）由Maragos P与Kaiser J F[2]所提出，他能够对信号中所包含的瞬态特征进行增强，非常适合检测信号中的冲击成分。齐咏生等人[3]运用粒子群优化算法对最大相关峭度解卷积（maximum correlated kurtosis deconvolution，MCKD）的参数进行优化，并结合了Teager能量算子，完成了对滚动轴承复合故障特征的提取。王凤利等人[4]将参数优化后的集成经验模态分解（ensemble empirical mode decomposition，EEMD）与Teager能量算子相结合，对滚动轴承故障进行了有效地诊断。祝小彦等人[5]提出了多点最优调整的最小熵解卷积（multipoint optimal minimum entropy deconvolution adjuste，MOMEDA）与Teager能量算子相结合的故障诊断方法，该方法能够有效地提取故障信号中的特征频率成分。刘建春等人[6]首先依据谱峭度（spectral kurtosis，SK）对原始故障信号进行滤波处理，而后利用Teager能量算子增强信号中的冲击特征，通过包络谱分析法成功将滚动轴承内外圈的故障特征频率从原始信号中提取出来。

但是，Teager能量算子所具有的高时间分辨率特性导致其对噪声也比较敏感，在强背景噪声下提取滚动轴承故障特征的效果并不理想[7]。……