宋宇宙，刘兆亮

(河南工业大学 机电工程学院，河南 郑州 450001)

0 引 言

滚动轴承作为旋转机械中应用最广泛、最易发生故障的零部件之一，其健康状态将直接影响到机械设备能否正常运转。因此，对滚动轴承进行早期故障特征提取与诊断分析具有十分重要的意义[1-2]。但滚动轴承早期故障信号常被淹没于强背景噪声中，使得故障特征信息提取困难，严重影响了滚动轴承早期故障诊断的效果。

改进后的完备总体经验模态分解(ICEEMD)是由COLOMINAS M A等人[3]于2014年提出的一种新的信号处理方法，该方法在CEEMD基础上进行了改进，利用各模态当前的局部均值重新定义了真实模态；从而克服了传统EMD算法模态混叠现象，解决了EEMD算法中存在的计算量大、分解完备性差等问题。与CEEMD相比，含噪数据分解后，有效信息主要集中在较少的模态分量中,使随机噪声得到有效抑制[4，5];吴凯等人[6]利用ICEEMD算法有效抑制了脑血氧信号中的基线漂移和高频噪声，提高了数据的精确度;杨凯等人[7]利用ICEEMD算法，较好地降低了随机噪声，提高了地震资料信噪比;张欢等人[8]将ICEEMD与近似熵相结合，得到了更清晰、稳定的脑电去噪结果，解决了IMF盲目选取导致的去噪失准及虚假模态等问题。

EFICA算法是一种盲源分离技术，被广泛应用于振动信号处理领域。该算法对FastICA进行了改进，实现了非线性函数的自适应选择，从而可以达到分离精度最佳的效果。徐元博等人[9]将EEMD与EFICA相结合，实现了复合故障信号频率特征的提取。……