张智恒，周凤星，严保康，喻尚

(武汉科技大学 信息科学与工程学院，武汉 430081)

滚动轴承被称为“工业的关节”，在旋转机械中广泛应用。由于长期处于工作状态且工作环境恶劣等原因，导致轴承成为易损坏的关键部件[1-2]。

在机械设备的大型化和自动化趋势下，设备故障可能导致巨大的经济损失甚至一系列灾难性的后果。因此，提高机械设备的故障诊断能力将是工业未来发展的重要方向。

基于振动信号的滚动轴承故障诊断技术主要可以分为信号采集、特征提取、特征选择和故障识别4个步骤[3]。其中，故障的特征提取是决定能否准确判断滚动轴承故障类别的关键步骤。常见的特征提取方法有快速傅里叶变换、小波变换、奇异值分解、共振解调、经验模态分解、局部均值分解等，同时越来越多的现代信号处理方法也不断应用于滚动轴承的故障诊断。文献[4]将局部特征尺度分解与奇异值差分谱相结合，并通过试验表明该方法能够准确、快速地提取出滚动轴承的故障特征。文献[5]针对滚动轴承原始振动信号信噪比小等问题，提出了一种基于局部均值分解和共振解调的滚动轴承故障诊断方法，最终成功提取到了故障特征频率。文献[6]提出了一种基于小波包与倒频谱结合的滚动轴承故障诊断方法，也获得了较好的特征提取性能。以上方法都具备较好的故障特征提取能力，但在诊断过程中均需要大量的先验知识以及信号处理知识，而且需要人工调节参数，增加了分析的难度以及诊断结果的不确定性。……