李耀龙，李洪儒，王 冰，于 贺

（1.陆军工程大学导弹工程系 石家庄，050003）（2.西北核技术研究所 西安，710024）

（3.上海海事大学物流工程学院 上海，201306）

引言

滚动轴承是旋转机械中的重要零部件之一，起到支撑机械旋转体、降低摩擦力的作用，同时也是旋转机械中最为广泛且最易失效的零部件之一。在当前针对滚动轴承的分析研究中，一方面集中在故障诊断领域［1］，另一方面致力于轴承的故障预测研究。通过开展滚动轴承的全寿命试验，提取退化特征，分析其性能退化的规律，最后实现故障预测［2］。

有效的退化特征是实现预测的前提，许多综述对滚动轴承的退化特征进行了分类和总结。Lei等［3］将退化特征分成两类：①具有物理意义的特征，该类特征一般运用统计学和信号处理方法提取，包括常用的统计学特征、时域频域特征等；②虚拟特征，该类特征主要是通过融合算法得到。文献［4-5］将退化特征分为时域特征、频域特征和时频域特征等3类。然而，传统的退化特征缺乏一致性趋势，即不同的全寿命数据由于自身退化过程不同，其特征往往具有个性，不同全寿命数据的相同特征之间往往不具有一致的退化趋势。寻找不同全寿命数据间的相似或一致的变化规律，对建立退化模型具有重要意义［6］，同时也对深入挖掘滚动轴承退化过程的机理具有重要参考价值。

在以往的特征分类中包含了两小类传统的退化特征：①具有上升趋势的能量特征，以RMS为典型，RMS以其良好的性能被广泛应用于轴承的退化状态识别和剩余寿命预测中［7］；……