摘要：针对随机噪声干扰滚动轴承故障特征信号提取这一问题，提出一种基于奇异值分解（Singular value decomposition, SVD）滤波降噪与局域均值分解（Local mean decomposition, LMD）相结合的故障特征提取方法。该方法首先对原始振动信号在相空间重构Hankel矩阵并利用SVD方法进行降噪处理，再对降噪后的信号进行 LMD分解，将多分量的调制信号分解成一系列生产函数（Product function, PF）之和，最后结合共振解调技术对PF分量进行包络谱分析提取故障特征频率。通过数值仿真和实际轴承故障数据的分析对比，表明该方法提高了 LMD的分解能力，可有效辨别出滚动轴承实测信号的典型故障，提高滚动轴承故障的诊断效果。

关键词：滚动轴承 奇异值分解 局域均值分解 故障特征提取 

单位：东北电力大学自动化工程学院 吉林132012