刘 均 赵喜民 程增喜

（1.东北石油大学电气信息工程学院；2.徐州华润电力有限公司）

滚动轴承是工业传动机械设备的重要组成部分，研究表明，大部分机械设备故障都是由滚动轴承引起的，因此保障滚动轴承的安全稳定运行具有重要的意义。 同时，对机械设备滚动轴承进行状态监测与故障诊断，可以实时掌握设备的运行状态并根据设备的状态采取相应的维护措施，从而有效降低企业的机械设备维护成本［1，2］。

通常，机械设备的运行条件比较复杂，使得滚动轴承故障特征信号表现为非平稳、非线性特性，导致其难以被提取，另外，由于信号的信噪比较低，又进一步影响了滚动轴承故障诊断的准确率。 因此，为了提高滚动轴承故障诊断的准确率，必须要将故障信号中的噪声去除，提取其中的有效特征信号，以达到滚动轴承故障类型识别和运行状态监测的目的。

1 滚动轴承故障诊断方法

1.1 传统方法

传统的滚动轴承故障诊断方法（如小波包变换分解法）存在小波基选择困难的问题，并且不能自适应地对振动信号进行有效特征提取［3］。 经验模态分解（EMD）是Huang N E 等提出的一种信号分析方法［4］。 EMD 可以自适应地将滚动轴承振动信号分解成若干个本征模态函数之和。 但是EMD 方法分解出的本征模态函数（IMF）容易存在端点效应和模态混淆现象，因此会出现无法准确提取有效特征向量的现象，对信号分解的结果造成较大的负面影响，致使诊断准确率下降。……