陈 剑， 刘圆圆， 黄凯旋，杨 斌， 刘幸福， 蔡坤奇

(1.合肥工业大学 噪声振动研究所，安徽 合肥 230009；2.安徽省汽车NVH技术研究中心，安徽 合肥 230009)

1 引 言

利用速度或加速度传感器采集滚动轴承的振动信号进行分析是实现设备运行状态监测与故障诊断的重要方法。而在采集信号的过程中，由于工况复杂及现场设备和环境干扰，采集的信号含有噪声不可避免，不利于故障诊断[1]。因此若想实现强背景噪声下滚动轴承故障特征的准确提取，需对获取的振动信号进行降噪处理。传统的振动信号降噪方法如时域滤波器(低通滤波、高通滤波、带通滤波)，通过设置不同通带，利用滤波器的幅值响应函数选择不同频段信号通过，实现对特定频带信号的抑制或滤除。该类方法仅适用于信号和噪声处于不同频带的情况。

近年来，国内外学者在信号降噪方法方面开展了大量研究。常见的滚动轴承信号降噪方法有：小波阈值降噪、经验模态分解、局部均值分解、独立分量分析(independent component analysis, ICA)、变分模态分解、奇异值分解(singular value decomposition, SVD)等[2，3]。文献[4]提出了小波阈值降噪方法，该方法相对于传统降噪方法具有更明显的降噪效果，但是小波分解存在频域重叠以及难以准确选取阈值的问题，这使得小波降噪达不到理想的效果; 文献[5]提出了经验模态分解(empirical mode decomposition，EMD)算法，该算法可以对信号进行平稳化处理，将原形波分为不同频段的模态分量和余波，从而达到降噪的目的, 但经验模态分解本身存在端点效应和模态混叠现象，降噪效果欠佳；……