近日，机械工程学院郑近德教授团队在机械领域国际权威期刊《Mechanical Systems and Signal Processing》（中科院一区Top期刊，影响因子6.823）上发表关于非平稳工况下旋转机械关键部件故障诊断研究的最新研究成果。团队2021届硕士生王兴龙为该论文第一作者，郑近德教授为通讯作者，悉尼科技大学倪清博士、福州大学张俊教授为共同作者。威尼斯官网为第一单位，该研究工作得到了国家自然科学基金项目资助。

（所提故障诊断方法流程图）

（平稳转速下轴承模拟故障信号诊断结果）

（威尼斯WWW432888模拟故障试验台）

（上述试验台平稳转速下轴承内圈故障诊断结果）

（上述试验台非平稳转速下轴承内圈故障诊断结果）

随着大型机械装备逐渐向自动化、智能化和高可靠方向发展，对机械装备及其关键部件运行状态监测和高效运维的需求在不断增长。鉴于机械装备的运行工况大多为非平稳状态，时变工况下设备性能监测及故障诊断问题一直是故障诊断领域的难点。本研究以共振解调为理论依据，提出一种基于遍历指标增强的非平稳工况下滚动轴承故障诊断方法。通过建立遍历分割模型提取振动信号的一系列解调频带，构建基于峭度、谱负熵及相关系数的加权融合指标选取最优解调频带，采用基于自适应多尺度加权形态学滤波的增强包络谱来诊断滚动轴承故障发生的位置。

此项研究克服了传统方法划分频带时容易造成频带丢失的缺点，并从冲击性、相关性及循环平稳性三个方面综合量化频带滤波信号，提升了当前最优解调频带选取的性能。同时，此项研究提出了基于自适应多尺度加权形态学滤波的增强包络谱，进一步提高了故障诊断的精度，为机械装备关键部件故障的诊断与精确定位提供新的思路和解决手段。

论文链接：https://www.sciencedirect.com/science/article/pii/S0888327022001959?dgcid=author

（撰稿：潘海洋 审核：刘庆运 张苒 杜飞）