邢亚航，郝如江，余忠潇

(石家庄铁道大学 机械工程学院，石家庄 050043 )

滚动轴承是制造装备的重要部件，受环境及工况的影响，轴承易发生损坏[1]，常表现为轴承内圈、外圈或滚动体上出现点蚀、裂纹等磨损现象。在强噪声背景下，轴承磨损早期的故障信号产生的谐波相对于一般故障显得特别微弱，低频段的频率表现也相当微弱。因此，轴承早期故障在实际工况下不易被发现，严重影响机械设备的正常运转，甚至造成重大损失，对轴承早期故障进行分析尤为重要[2]。

在进行滚动轴承振动信号这类非平稳、非线性信号的时频分析时，小波变换[3]存在诸多限制，经验模态分解(EMD)[4]存在过包络、端点效应、模态混叠等问题；局部均值分解(LMD)[5]虽在抑制端点效应和减少迭代次数等方面优于EMD，但其也存在无快速算法，分解中受噪声影响较大等问题。固有时间尺度分解(Intrinsic Time-Scale Decomposition, ITD)[6]是一种自适应性的时频分析法，其将非平稳复杂信号分解为一系列具有实际物理意义的固有旋转分量 (Proper Rotation Component,PRC)，可以直接根据结果得到瞬时频率和相位。ITD继承了EMD算法的优点，弱化了模态混叠等现象[7]，减少了复杂的筛选和样条插值，提高了信号处理效率，可以实时反映频率变化。

约束独立分量分析(Constrained Independent Component Analysis，CICA)[8-9]是一种解决盲源分离的新方法，其可从混合信号中有效提取出独立源成分。然而，对于滚动轴承的早期微弱故障，由于环境噪声等干扰因素影响较大，只采用ITD或CICA对故障信号进行分析时，故障特征分离提取效果不佳。……