裴 迪， 岳建海， 焦 静

(北京交通大学 机械与电子控制工程学院，北京 100044)

滚动轴承是机械中应用最广泛的部件，其工作状态正常与否往往直接影响整台机器的性能[1]。当滚动轴承发生较严重(晚期)的局部故障时，振动信号表现出明显的周期性冲击，通过频谱分析等手段即可诊断出具体的故障。实际应用中，往往要求在轴承故障的早期准确进行诊断，为机器维修决策提供充足的时间，避免或减少损失发生。

滚动轴承故障存在幅值和频率调制，滚动体和内外圈滚道间存在一定的相对滑动，且早期故障振动信号冲击特征易被噪声淹没。因此，滚动轴承微弱故障特征提取成为近年来研究的重点和难点。文献[2]提出了一种经验模态分解(empirical mode decomposition，EMD)和谱峭度法相结合的轴承故障诊断方法，利用EMD分解和重构抑制信号低频噪声，通过快速谱峭度图确定最优带通滤波器参数，对滤波后信号进行平方包络谱分析，取得了一定的效果；文献[3]将最小熵解卷积和稀疏分解结合进行轴承微弱故障特征提取，最小熵解卷积进行降噪，对降噪后的信号稀疏分解并进行包络谱分析提取轴承故障特征，取得了较好的效果；文献[4]提出了改进变分模态分解与奇异值差分谱相结合的轴承早期故障诊断方法，利用包络谱稀疏度指标筛选最佳内禀模态函数(intrinsic mode function,IMF)，对最佳IMF进行奇异值分解并根据奇异值差分谱中突变点重构信号，通过重构信号包络谱分析提取早期故障特征，可以较有效的诊断出轴承早期故障。……