薛政坤，汪 曦，于晓光，窦金鑫，马智博

(辽宁科技大学机械工程与自动化学院，辽宁 鞍山 114051)

0 引言

齿轮箱轴承作为齿轮箱传动系统中的关键零部件,为传动轴提供稳定支撑和持续旋转运动；其发生故障时，容易导致传动轴发生剧烈振动，直接影响齿轮箱工作，进而影响整个设备正常运转，严重时会导致事故的发生。如果能有效提取出齿轮箱轴承故障特征信息，实现齿轮箱轴承故障的判别，并对受损的齿轮箱轴承进行及时的更换或修复，能够有效避免严重的事故发生[1-2]。

Dragomiretskiy K等[3]提出了一种自适应的变分模态分解算法，该方法是通过迭代搜寻变分模型最优解来确定每个模态的中心频率和带宽，同时实现信号在频域内剖分及各分量的有效分离。与经验模态分解算法相比，变分模态分解算法能够更好地对信号进行准确分离，且具有强大的数学理论基础[4]。

变分模态分解(VMD)算法的信号分解处理的效果在很大程度上受参数惩罚因子α以及模态分量个数K这两个参数的影响。近年来广泛应用在振动信号处理故障诊断方面。丁承君等[5]通过果蝇算法对变分模特分解算法进行参数优化，并通过局部极小包络熵值最小原则选取最佳分量，最终通过对最佳分量进一步分析实现齿轮箱故障判别。边杰[6]通过参数优化后的变分模态分解与1.5维谱分析相结合，成功提取轴承内环故障特征信息。周福成等[7]通过根据奇异值最佳有效秩阶次找到变分模态分解最优模态分量个数，成功提取出风电齿轮箱不平衡故障特征信息。……