张 龙，蔡秉桓，熊国良，胡俊锋

(1.华东交通大学 机电与车辆工程学院，南昌 330013；2.中国铁路南昌局集团有限公司科学技术研究所，南昌 330002)

滚动轴承广泛应用于机械、交通、航空航天等领域，是旋转机械的重要零部件之一。但由于工作环境恶劣，易发生故障，若未及时发现则可能引起严重后果。因此，准确判断滚动轴承健康状态尤其是诊断早期故障，对于提高机械设备的可靠性、可用性和保障设备安全运行至关重要[1-2]。然而早期故障引起的冲击特征非常微弱，同时受传递路径、噪声和偶然性冲击干扰等因素的影响，早期故障诊断并非易事。

传感器采集到的振动信号是轴承故障引起的冲击力与轴承和轴承座等构成的系统的传递函数卷积结果。为了消除系统传递路径的影响，文献[3-6]采用最小熵解卷(minimum entropy deconvolution,MED)消除传递路径影响，并通过包络谱分析实现故障诊断。然而MED中以最大峭度替代最小熵，由于峭度不能考虑轴承故障冲击的周期发生特点，当信号中出现外界偶然性干扰冲击时，MED解卷积结果不甚理想。考虑到轴承故障特征信号从冲击部位到传感器的传递路径影响，同时为了充分衡量信号中连续的周期性冲击成分，胡爱军等将谱峭度与最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)相结合，旨在得到周期性故障冲击信号[7]。虽然MCKD的优化指标相关峭度(CK)可以考虑轴承故障冲击发生的周期性，但其主要缺陷在于存在其重要参数需人工预先设定，且参数的选择将会影响最终解卷积处理结果。……