杨静宗 施春朝 杨天晴 吴丽玫

(保山学院信息学院，云南 保山 678000)

滚动轴承作为机械设备中的通用零部件，已广泛应用于铁路、冶金和航空航天等领域[1]。但由于其长期处在高速、高负载下运转，而且工作环境较为复杂，所以滚动轴承也是最易发生故障的零部件之一[2-3]。滚动轴承的故障诊断主要是依据从设备的振动信号中获得相关的故障信息，并对故障的类型进行判定。由于滚动轴承的振动信号通常呈现出非平稳、非线性的特点，近年来，时频分析法为处理该类信号提供了一种有效途径。目前，常用的时频分析法包括短时傅里叶变换[4]、Wigner-Ville 分布[5]、小波变换等[6-7]，但上述方法大多缺乏自适应性。另一种时频分析法则是由Huang N E等人[8]提出的经验模态分解法(empirical mode decomposition，EMD)。和小波变换法相比，其可以在不用设定基函数的前提下把信号分解为许多个频率由高到低的固有模态分量，非常适用于处理非线性、非平稳信号，因而在柴油机、滚动轴承、柱塞泵和齿轮箱等[9-12]各个领域的故障诊断研究中得到了成功应用。但EMD分解法在使用过程中也暴露出了端点效应、模态混叠等问题。针对此问题，Yeh J R等[13]提出互补集合经验模态分解法(complementary ensemble empirical mode decomposition, CEEMD)，该方法较好地解决了模态混叠的问题。然而，对于受复杂噪声干扰的轴承故障信号，由于其特征信息往往淹没在噪声中，导致其故障频率和倍频较为微弱。因此，要实现故障特征的有效提取，还需要对原信号进行降噪处理。鲁棒性独立分量分析……