黄传金， 宋海军， 秦 娜， 雷文平， 孙熙庆， 柴 鹏

(1.郑州工程技术学院 机电与车辆工程学院, 郑州 450044； 2.西南交通大学 电气工程学院, 成都 610031 3.郑州大学 机械工程学院, 郑州 450052)

滚动轴承是工业旋转机械重要部件，通过振动信号监测轴承状态是常用的方法。从振动信号中提取故障激发的固有振动信号是故障特征提取的关键环节[1-2]。滚动轴承故障引起的振动信号是非平稳信号，一些先进的数字信号处理方法被用于诊断滚动轴承故障，如运用小波变换(wavelet transform，WT)[3]、经验模态分解(empirical mode decomposition，EMD)、局部均值分解(local mean decomposition ，LMD)等先进数字信号处理方法将滚动轴承振动信号分解成不同频带的信号[4-7]，然后结合包络解调提取故障激发的固有振动频率。

滚动轴承工作环境复杂，故障类型多样，不同的位置发生故障，不同方向的振动信号强度和频谱结构也不尽相同，Chen等[8]指出仅根据单个方向振动信号特征监测故障状态可能引起误判和漏判；程军圣等[9]遇到过根据单个通道的信号无法解调出滚动轴承外圈故障的案例。

随着传感器技术的发展，二维、三维传感器已经比较普遍，在转子故障诊断中，通常采集位移信号，根据稳态时正交位移信号回转特性，Benlty公司提出了全频谱[10]，Qu等[11]提出了全息谱，韩捷等[12]提出了全矢谱。较之单通道信号，上述同源信息融合技术包含了更多传感器振动信号，可以获得质量更高的信息。为处理非平稳信号，文献[13-14]分别提出与EMD、LMD相结合的同源信息融合技术。因为基于EMD、LMD的数据驱动分解方法不能保证有相同的分解尺度，即不同通道的信号分解出的固有模态函数个数不一致，给后续的信息融合带来困难；……