刘尚坤，王家忠，王泽河，弋景刚

（河北农业大学机电工程学院，河北 保定 071001）

1 引言

滚动轴承在水产品加工设备、风电机组、水泵等旋转机械中应用普遍，也容易产生磨损、点蚀等故障[1]。为保障设备准确、可靠、安全的运行，探索准确、快速的轴承故障诊断方法已成为学者们的研究热点之一[2]。

传感器获得的信号是轴承故障冲击成分与机械系统传递路径卷积的结果，而采用技术方法恢复故障冲击的过程就是解卷积的过程。最小熵解卷积（MED）采用迭代的方式达到峭度最大化目的，能够突出信号中脉冲成分[3]，但MED 解卷积效果只能突出少数尖脉冲且容易陷入局部最优中[4]。为了克服MED 的缺陷，文献[5]以相关峭度为准则提出了最大相关峭度解卷积（MCKD）算法，注重检测冲击成分的周期性，这与旋转机械故障时产生的周期性脉冲信息非常吻合，文献[6]利用MCKD 对信号进行降噪，再通过分析集合经验模态分解得到的高相关性分量实现了轴承故障的诊断，文献[7]将MCKD与重分配小波尺度谱结合诊断了空分机齿轮故障和轴承复合故障，但都没有细致研究滤波器的阶数选择问题。为提高MCKD 解卷积效果及应用的自适应性、避免其滤波器阶数选择的盲目性或受人为因素的干扰，以故障特征能量比最大化为寻优目标，提出变步长的搜索选择方式，并结合希尔伯特包络解调良好的解调能力[8]，实现轴承故障特征频率的提取和故障诊断。

2 改进MCKD 的轴承故障诊断方法

2.1 MCKD 算法

MCKD 采用相关峭度检测信号中冲击成分的连续周期性，将相关峭度最大作为目标函数，如式（1）所示。……