摘要：为了评估多重分形去趋势波动分析（MFDFA）在滚动轴承损伤程度识别中的性能，采用MFDFA 计算了轴承故障信号的多重分形谱，多重分形谱的左右端点和极值点可以近似描述多重分形谱的形状和位置，提取这三个特征点的坐标作为刻画轴承动力学行为的特征参数。将 MFDFA、4个常用的时域统计参数、小波变换（WT）方法和经验模态分解（EMD）方法分别用于识别轴承滚动体和外圈损伤的严重程度，然后分别采用马氏距离判别法、BP 神经网络和支持向量机对 WT、EMD 和 MFDFA所提取的特征参数进行分类，并比较了这些方法在故障分类中的效果。结果表明，马氏距离判别法与MFDFA 的组合以及支持向量机与 WT 或 EMD 的组合可以获得较好的轴承损伤程度识别结果。研究结果进一步验证了早期工作的结论。

关键词：多重分形去趋势波动分析 滚动轴承 损伤 程度识别 

单位：南京航空航天大学机械结构力学及控制国家重点实验室; 南京210016; 潍坊学院; 潍坊261061