吴吉利， 曹洪勇， 王 旭

(中车青岛四方机车车辆股份有限公司 技术中心，山东 青岛 266111)

滚动轴承作为高速列车走行机构的重要部件，对其进行振动监测对行车安全具有重要意义。但高速列车运行时轴承振动特性较为复杂，响应信噪比低，导致共振解调计算难以在频域确定最优频带中心频率和带宽。自适应分解技术理论上能够把信号分解成具有物理意义的固有模式分量(Intrinsic Mode Functions，IMF)，实现有效共振频带的选取，因此在故障诊断领域有着广泛应用。但这些自适应分解算法始终存在一些问题，导致信号分析结果不理想，或者带来更为严重的计算量。例如较为经典的经验模式分解(empirical mode decomposition，EMD)[1]及其改型[2-4]，对噪声敏感，存在端点效应，且分解的分量存在严重的模式混淆，对信号变化剧烈也就是频率信息丰富的信号通常难以满足其频率分辨力要求[5]。Rilling G等[6]使用分数高斯噪声验证了其本质上是具有恒品质因数的二进滤波器组，等效滤波特性类似于小波变换，说明EMD不能实现对信号高频部分的精细划分。此外，还有局部特征尺度分解(Local characteristic-scale decomposition，LCD)[7]、局部均值分解(Local Mean Decomposition，LMD)[8]等方法也存在相关问题。为解决EMD存在的问题，Dragomiretskiy K等[9]提出了一种新式自适应分解算法——变分模式分解(Variational Mode Decomposition，VMD)，它通过约束变分模型的最优解搜索，大幅降低了EMD或者它的变型中存在的端点效应及模式混淆问题。在文献[10]中，作者也通过分数阶高斯噪声验证了其等效滤波特性类似小波包，由于其滤波带宽和中心频率会随信号变换而自适应调整，因此具有比小波包更灵活的分解能力，是一种较为优秀的自适应分解算法。……