司呈鑫，章翔峰，姜 宏，马铜伟，申 勇

(新疆大学机械工程学院，乌鲁木齐 830047)

0 引言

转轴作为旋转机械的核心部件，是故障的高发部位[1]；转轴在低速承受巨大载荷时，故障特征频率极低、振动能量小，在诊断过程中很容易忽视[2]。如不及时进行诊断，很容易发生事故。因此对转轴运行时的故障诊断具有重要的工程意义[3]。

在微弱故障特征提取的研究中，文献[4]提出经验模态分解( empirical mode decomposition，EMD)，EMD算法适用于非平稳信号的处理，文献[5]将EMD算法用于对旋转机械的故障信号的时频分析研究，取得了较好的分析效果；为了得到轴承不同的故障类型特征，文献[6]将EMD与最大峭度解卷积方法进行联合分析，但是EMD算法存在模态混叠和端点效应[7]。文献[8]对EMD进行改进, 提出通过IEMD与支持向量机结合的方法，成功识别出多个故障。进一步的，文献[9]提出变分模态分解( variational mode decomposition，VMD)方法，有效地抑制了EMD算法存在的模态混叠现象；VMD算法将信号的分解过程转换为变分模型的构造与求解，有效地抑制了各分量之分解为中心频率和带宽不同的各分量，非常适用于多分量非平稳非线性信号的分离[10],文献[11]采用VMD结合散布熵成功的提取出了轴承的故障信息。但是VMD分解时需要考虑到分解模态个数及惩罚因子之间的相互影响。文献[12]通过中心频率法来确定VMD算法中分解模态参数K值，并结合快速谱峭度，实现了对滚动轴承早期故障的诊断；文献[13]利用EMD来估计VMD算法中的分解个数，对仿真和实测数据处理，都取得了理想的诊断效果；……