滚动轴承作为最重要的机器零部件之一,已广泛运用于海洋船舶、航空航天等机械设备当中。但是滚动轴承长期运行在高负载、变转速的恶劣环境中,随时可能发生故障,从而诱发传动机构甚至整个设备失效。故进行滚动轴承状态监测对机械设备的安全运行尤为重要,尤其是微弱故障的监测预警对预防设备失效具有重要意义。为了解决滚动轴承微弱故障在强噪声、长传递路径以及变转速条件下信噪比低,故障特征难以提取的问题,本文主要围绕干扰噪声压制、传递函数补偿以及变转速平稳化三方面开展研究。本文采用声传感器和加速度传感器对滚动轴承健康状态进行监测,通过对反映滚动轴承运行状态的声与振动信号进行处理分析,从而判断滚动轴承故障状况。论文的主要研究内容如下:(1)为了了解负载分布、传递函数以及共振衰减对滚动轴承调制的影响,对滚动轴承进行建模分析,建模结果揭示了滚动轴承的调制特征,即轴承各部件包络谱的谱线特点。通过滚动轴承的仿真信号对包络谱以及平方包络谱的滚动轴承故障解调检测能力进行分析,结果表明平方包络谱对于调制特征的检测能力更强。为了量化不同方法的故障增强能力,提出能够反映故障特征频率及其多次谐波的标准化平方包络谱的包络因子作为指示工具。(2)针对运行过程中强噪声的影响,依据共振解调原理,提出一种级联变分模态分解方法确定共振成分。在变分模态分解的基础上,通过级联方法进行多级变分模态分解,确定共振成分中心频率,能够有效克服传统变分模态分解的模态数目难以确定的问题。再通过多尺度方法对平衡因子α进行优化,调整模态的带宽,使得最终在保留有效信号的同时最大程度去除干扰噪声。仿真和实验结果表明级联变分模态分解方法能够有效增强滚动轴承微弱故障,并且通过与传统变分模态分解方法对比,故障增强的提升效果明显。(3)针对长传递路径对故障信号与噪声的非线性耦合问题,提出解卷积级联变分模态分解方法在补偿传递函数的同时去除干扰噪声,提升信号的信噪比。首先在传统解卷积方法(最小熵解卷积)的基础上,引入多点峭度为目标函数构造自适应滤波器,能够有效克服峭度为目标函数的单脉冲解卷积以及迭代速度慢的问题,提升信号的周期性脉冲。其次使用级联变分模态分解对解卷积信号中的共振成分进行提取,最后使用标准化平方包络谱提取滚动轴承故障特征频率。实验结果表明解卷积级联变分模态分解方法能够有效增强滚动轴承微弱故障信号,并且通过与多种常用方法进行对比,本文提出方法的微弱故障增强能力更为明显。(4)针对变转速工况下故障激发的脉冲不满足周期性,导致故障特征难以提取的问题,通过阶比分析平稳化时域信号,再结合上述定转速工况下的故障特征提取方法提出一种角域解卷积变分模态分解方法。首先使用阶比分析方法将时域信号转换为角域信号,将故障激发的脉冲变为周期性脉冲,其次使用多点最优最小熵解卷积的方法对传递函数进行补偿,提升角域信号的周期性脉冲,之后通过级联变分模态分解确定共振成分,最后通过标准化平方包络谱定位轴承故障。仿真和实验结果表明角域解卷积级联变分模态分解方法能够在变转速条件下有效增强滚动轴承微弱故障信号,并且通过与其他方法对比,故障增强的提升效果明显。