孙 康， 金江涛， 李 春,2， 许子非

(1.上海理工大学 能源与动力工程学院，上海 200093；2.上海市动力工程多相流动与传热重点实验室，上海 200093)

风能作为应用最为广泛的可再生能源之一，以其稳定、丰富及易于开发等优势，对碳中和和碳达峰起到关键作用[1]。轴承作为应用最广泛的机械传动零部件之一，在高性能舰船推进电机、先进航空发动机及大型风力发电机组等精密旋转机械中具有至关重要的作用，其健康状况直接影响设备性能[2]。滚动轴承是机械传动系统的重要部件之一，能否正常运转关系到整台设备的性能和使用寿命[3]。但恶劣的工作环境导致轴承随服役时间增加出现各种故障。为保证设备正常运作，需要实时监测轴承工作时产生的振动信号，确保维护人员对设备的状态作出判断并对设备进行及时维修[3]。

轴承振动信号呈现出非线性与非平稳性特征[3]，传统频谱分析法存在故障判别方式与准确性不足等问题，无法满足实际工程需求。

向玲等[4]基于小波分解提取故障轴承特征信息。隋文涛等[5]采用经验模态分解(EMD)方法获取轴承故障特征频率。李洋等[6]利用辅助经验模态分解(EEMD)方法对信号降噪，完成故障识别。但上述方法都存在缺乏自适应性、端点效应及模态混叠等问题，无法处理复杂非平稳信号，为此Dragomiretskiy等[7]提出一种变尺度信号处理方法——变分模态分解(VMD)方法，该方法避免了上述问题，具有良好的鲁棒性，被国内外学者广泛应用于故障诊断领域。……