郑 胜， 刘 韬， 刘 畅， 李 华

(昆明理工大学 机电工程学院，昆明 650500)

滚动轴承是旋转机械的重要组成部分，同时也是最容易损坏的组件。统计显示，在使用滚动轴承的旋转机械中，约有30%的机械故障都与轴承相关，其运行状态直接影响着设备的整体性能。在实际的工业环境中，考虑到成本等相关因素，机械设备通常在受到一定程度的损坏后才进行检修和零部件更换。此时机械设备中的轴承往往不再是一种故障，而是多种故障耦合在一起。与单一故障相比，复合故障中的多个故障相互干扰，对机械设备的危害更大，诊断难度也更大[1]。因此，对滚动轴承复合故障的诊断是一个极为重要的研究领域。

稀疏理论最早由Olshausen[2]提出，并随着不断地发展和深入，逐渐成为声音与图像处理[3-5]、压缩感知[6-7]和信号处理[8]等方向的研究热点。Du等[9]提出了一种根据齿轮和滚动轴承故障冲击形态特征的不同，进而构造不同的冗余字典并与稀疏表征算法相结合，以实现齿轮和滚动轴承复合故障的分离。唐承志[10]通过使用不同种类的原子库联合构建级联原子库对多种信号进行稀疏分解实现了不同类信号的稀疏表示。陈向民等[11]基于共振稀疏分解方法和信号各成分品质因子差异，将轴承故障信号分解成高共振分量、低共振分量和残余分量，进而包络解调低共振分量，提取了故障特征频率。而 K-SVD(K-singular value decomposition)自适应冗余字典[12]、相关滤波法Laplace小波原子优选构造过完备字典[13]等分别与正交匹配追踪(orthogonal matching pursuit，OMP)、FFT(fast fourier transform)进行改进的匹配追踪算法结合，实现了滚动轴承的故障特征提取。……