葛兴来， 张鑫,2

(1.西南交通大学 磁浮技术与磁浮列车教育部重点实验室，成都 611756；2.西南交通大学 唐山研究生院，河北 唐山 063000)

0 引 言

异步电机因其调速范围宽、效率高、结构简单等优点广泛应用于高速列车牵引传动系统中[1-3]。异步电机轴承作为转子系统中最重要的组成部分，其运行环境极为复杂，并长期处于高速、高载、高温状态下，故障发生频率较高。相关数据表明，轴承类故障占电机总故障类型的40%～50%[4-6]，是异步电机最常发生的故障类型，严重威胁着高速列车的安全稳定运行。因此，实现轴承故障的有效诊断已成为学者们的研究热点。

文献[7]采用Hilbert变换构造定子电流解析信号并提取其平方包络线，利用平方包络线中的故障特征频率进行电机轴承的故障诊断，但在空载条件下，异步电机的定子电流较小，故障特征较为微弱，不利于轴承故障的特征提取。因此，不受负载条件影响的振动信号广泛应用于电机轴承故障之中。文献[8]将小波包分解法、经验模态分解法与双谱分析法相结合实现了轴承故障特征频率的提取；文献[9]采用奇异值分解技术解决了经验模态分解存在的模态混叠问题，实现了轴承内圈、外圈的故障诊断，但是存在奇异值分解中Hankel矩阵行列数选取困难的问题；文献[10]利用变分模态分解提取轴承振动信号的故障特征，并采用标准模糊C均值聚类法进行故障辨识，但存在变分模态分解参数影响特征提取效果的问题；文献[11]提出一种基于集合经验模态分解-Hilbert包络谱与深度信念网络的滚动轴承状态识别方法，但是该方法存在滚珠体故障状态辨识精度低的问题；……