王 升，林 琳，陈 诚，张 杰，史建成

(吉林化工学院 信息与控制工程学院，吉林 吉林 132022)

风机轴承属于风机传动系统的核心部件，在运行过程中长期受持续的冲击力并受载荷效应影响，容易在不同部位出现各种程度的故障损坏，任其发展到一定程度就会导致风机停机，进而造成严重经济损失[1-2].因此，开展风机轴承的故障诊断研究在提高风机运行的可靠性、减少停机时间和降低发电企业经济损失方面具有十分重要的现实意义[3].

风机工作环境复杂多变，因此采集到的信号中包含了非平稳和非线性信号及大量噪声，传统的时-频域分析方法对此类信号的分析识别效果仍有待于进一步提高.近年来国内外学者对风机各类故障诊断进行了大量的研究，文献[4]采用小波变换和阈值去噪法对风机轴承振动信号进行处理，计算求得振动信号的能量谱图，轴承的KPI数值用能量谱图的统计参数表示，最后对轴承故障进行诊断.文献[5]采用小波变换方法将异步电机的电流信号去除相似特征干扰，并通过频谱分析实现轴承故障诊断，但离散小波变换无自适应性，小波基和分解尺度需要人工选择，且信号处理结果受参数影响较大.文献[6]采用经验模态分解和主成分分析法对滚动轴承故障进行分类，较准确识别多种故障状态.文献[7]提出了一种基于级联自适应分段线性随机共振系统降噪的经验模态分解方法，该方法可以克服小波分解的……