摘要：针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点，提出一‘种基于柔性形态滤波和支持矢量机（Supportvectormachine，SVM）的滚动轴承故障诊断方法。柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征，同时又具育稳健性；SVM具有良好的分类件能，特别在小样本、非线性及高维特征空间中具有较好的推广能力；SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化，避免传统方法对初始点和样本的依赖。首先对振动信号进行柔性形态滤波，然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数，用于区分滚动轴承的外圈、内圈和滚动体故障，SVM分类器的参数采用标准粒子群优化算法进行优化。试验结果表明了方法的有效性。

关键词：柔性形态滤波 支持矢量机 粒子群优化 特征提取 故障诊断 

单位：清华大学精密仪器与机械学系 北京100084