全文总字数：6666字

摘 要：不少学者已研究过各种检测滚动轴承的微弱故障的方法，这里为了重点研究利用最大二阶循环平稳盲解卷积（CYCBD）和粒子群优化算法/敏感指标的方法来有效地从测量信号中提取出微弱故障的冲击成分，查阅了数十篇相关文献，简单介绍此课题最大二阶循环平稳盲解卷积(CYCBD)以及粒子群优化算法/敏感指标相关的概念、定义和相关动态，分析这些文献的相同和不同的切入点和研究方向，来反映滚动轴承的微弱故障提取的各种技术、发现、争论焦点和存在问题，并通过历史和现状来预测此课题研究的意义和难点。同时基于自己的理解提出有关利用最大二阶循环平稳盲解卷积（CYCBD）来解决滚动轴承微弱故障检测的优劣，评论不同学者不同研究成果的意义，猜想是否有更好的方法来解决相关问题，并对前人的研究现状提出猜想。

关键词：最大二阶循环平稳盲解卷积（CYCBD）；粒子群优化算法/敏感指标；滚动轴承的微弱故障提取；分析和猜想

引言

本文所讨论的文献范围主要是针对如何对滚动轴承的微弱故障特征提取的不同方法以及这些方法的优劣和意义。滚动轴承作为旋转机械中的关键零件，广泛应用于各个领域的日常工作中，当滚动轴承出现微弱故障时，可能会造成难以想象的经济损失或者人员伤亡，因此本研究为了有效提取轴承微弱故障特征，在阅览多位学者的研究以后，采用最大二阶循环平稳盲解卷积（CYCBD）以及粒子群优化算法/敏感指标的方法来提取轴承微弱故障特征提取。

2 研究现状

2.1滚动轴承微弱故障特征提取

2.1.1 滚动轴承微弱故障特征提取的意义和难点

滚动轴承作为旋转机械中的关键零件，广泛应用于各种行业，其运行状态直接影响到整台机器的性能。当轴承出现局部损伤或缺陷时，轻则使设备产生噪音、振动异常，重则损坏设备。滚动轴承故障发生早期，传感器采集到的振动信号中的冲击成分比较微弱，常常淹没在强背景噪声中，使滚动轴承微弱故障特征难以有效地提取，这给滚动轴承的故障诊断造成了很大的困难，因轴承故障引起的经济损失和人员伤亡的事故屡见不鲜。实际工程应用中，由于存在振动传输路径复杂多变、工作环境噪声干扰严重、多振动源的激励和响应互相耦合等诸多因素的影响，使得滚动轴承早期故障诊断相对困难，探寻行之有效的微弱故障特征提取方法也一直是故障诊断领域的热点和难点。

2.1.2 最小熵解卷积 ( Minimum Entropy Deconvolution，MED)

最小熵解卷积是由 WIGGINS^［1］ 首次提出，用于地震波反射数据提取，其原理是利用最小熵能突出数据中尖脉冲的特性，以此设计最优滤波器 ( 计算终止条件通常取最大峭度值) ，提取数据中包含异常信息的尖脉冲成分。而后，ENDO 和 ＲANDALL^［2］ 将其引入轴承和齿轮故障诊断领域，获得了优异的应用效果，受到了国内外学者的广泛关注。研究表明: MED能够从强信噪比信号中凸显尖脉冲成分，在消除传递噪声干扰方面具有较大优势，常作为轴承故障信号的预处理器。Jiang R L，Chen J，Dong G M等人^[3]将最小熵解卷积和包络谱相结合，利用最小熵解卷积对轴承早期故障信号做预处理，并对所得信号做进一步包络解调分析来提取微弱特征频率信息，然而最小熵解卷积算法的鲁棒性欠佳，处理信号过程中容易受少数异常尖脉冲的干扰，导致解卷积运算结果失去意义。MED方法的问题是滤波器的目标是使得信号的峭度最大化，但是当滤波长度不合适时，它倾向于最大化信号中的随机单一脉冲成分，而MED的滤波长度选取目前没有明确的方法，贺志远、陈果等人提出了一种MED最优滤波长度选择新方法来解决该问题。

2.1.3 最大相关峭度解卷积( Maximum Correlated Kurtosis Deconvolution，MCKD)