张利宏，罗振鹏

(内蒙古工业大学 电力学院， 呼和浩特 010010)

电机的滚动轴承是连接电机与后续执行机构的关键部件，轴承发生故障时会极大地影响整套系统的工作性能，严重时造成巨大的经济损失和人员伤亡。但是轴承故障的产生不是突发性的，故障前期对系统性能影响较小，难以人为判断，但是不同故障的振动信号与正常情况呈现一定的差异性[1]，基于振动信号差异性对轴承故障情况进行在线诊断，可以对轴承进行及时更换和针对性修复，对提高设备性能、保证设备和人员安全具有重要意义。

电机轴承故障诊断可以从特征提取和智能诊断算法2个角度进行分类。从特征提取的角度讲，故障信号的载体形式包括振动信号、声学信号、温度信号与油液检测等[2]。其中温度信号难以分辨轴承早期故障，油液检测操作复杂且无法实时监测轴承状态，因此这2种方法应用较少，而振动信号和声学信号因操作简单、采集方便、可实时监测等优点得到了广泛应用。Zhou等[3]基于集合经验模态分解将振动信号分解为若干个固有模态，而后计算各分量模态的加权置换熵作为特征向量，最后使用支持向量机实现了故障模式识别。孙萧等[4]使用CEEMD将轴承故障声信号进行分解后，依据相关系数法和峰值因子选择包含故障信息丰富的分量，并使用Hilbert法解析出故障频率。从智能诊断算法的角度讲，可以分为基于模型的诊断方法和基于数据的诊断方法2种。……