高锐文，胡定玉,2，师 蔚,2，廖爱华,2，余佑民，丁亚琦

（1.上海工程技术大学 城市轨道交通学院，上海201620；2.上海市轨道交通振动与噪声控制技术工程研究中心，上海201620；3.上海地铁维护保障有限公司车辆分公司，上海200235）

轴承是机械设备至关重要的零件，它的好坏直接影响到设备能否正常工作，做好轴承的状态监测及故障诊断，对避免安全事故发生具有重大意义。与传统的振动分析相比，采用声信号监测轴承的健康状况更加适合复杂工业环境，避免了设备高温对加速度传感器的损伤及粘贴传感器存在的安全隐患。声信号的非接触式采集易受到环境噪声和其他设备噪声干扰，因此如何从中分离出关于轴承状态的信息是研究的一个重点，主要涉及两个步骤：一是削弱传递路径影响；二是降低噪声干扰，增强轴承故障特征信息。

轴承在旋转状态下会产生振动与声响应，当出现缺陷时会表现得更剧烈，产生冲击性故障信号，通过对这些信号进行分析可以有效检故障从而减少事故发生[1]。目前已提出多种信号降噪方法，主要分为3类：

(1)通过滤波器滤去除干扰噪声频率；

(2)将故障信号分解为几个单一分量，去除自身定义的噪声分量，如小波变换[2]；

(3)通过矩阵分解得到特征值和特征向量，然后删除定义为噪声的特征值对应的特征向量，如奇异谱分析[3]。

虽然这些方法都具有良好的降噪特性，但往往存在不足之处，如小波变换存在模式混叠的问题[2]、最小熵反褶积只突出冲击特征[4]、经验模态分解会导致出现虚假分量[5]等。……