王 琛

（西安职业技术学院 机电工程学院，西安710077）

滚动轴承是机械滚动运动过程中的重要组成元件，随着滚动机械器件的快速发展，轴承在高速运行中，往往会出现各种问题，造成轴承的损坏或者发生故障。

因此，如何实现滚动轴承的故障诊断是当前机械领域面临的主要问题。针对这些问题，相关学者进行了相关技术研究。其中，文献[1]通过利用SVDPE 算法对高速列车中轴承运行的振动数据进行分析，该文献通过振动特征进行分类，能够实现故障的快速诊断，这种方法虽然能够实现轴承的故障诊断，但是分类效果不佳；文献[2]中通过多传感器和卷积神经网络进行分析，但是由于该方法所采用的组件较多，易发生故障，造成数据异常诊断失误；文献[3]通过采用EEMD 算法和IGSA-SOM 神经网络算法对滚动轴承故障进行诊断分析，可以更高效自动的对轴承运行进行机器学习，但是由于集合经验模态分解法在数据分析处理效果并不突出，所以会造成整体算法的运行效率有所影响。

1 滚动轴承结构及故障原因

滚动轴承的主要作用是将轴承内外轴由滚动摩擦转化为滑动摩擦，可以较大程度减小由于摩擦造成的损失，提高旋转机械的工作效率。由于需要周期相应对部件冲击，极易发生故障问题，为研究滚动机械轴承的真实运行数据，本研究设计了一种滚动轴承的理想化模型，其中整体假设为绝对刚体，各组成结构之间由弹簧连接，其结构如图1所示[4]。……