关键词：集合经验模态分解方法 奇异值分解 teager能量算子谱 特征提取 

摘要：将奇异值分解(singular value decomposition,简称SVD)与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)进行结合,提出一种适用于滚动轴承弱故障状态描述的敏感特征提取方法。为提高信号故障信息的提取质量,对采集信号进行相空间重构得到一种Hankel矩阵。根据该矩阵的奇异值差分谱,确定降噪阶次进行SVD降燥。用EEMD分解降噪后的信号可获得11个本征模态函数(intrinsic mode function,简称IMF)和1个余项。依据建立的峭度-均方差准则,筛选出一个能够有效描述故障状态的敏感IMF分量,计算其相应的Teager能量算子(Teager energy operator,简称TEO),对此TEO进行Fourier变换,实现了对滚动轴承弱故障模式的有效辨识。用美国凯斯西储大学公开的滚动轴承故障信号对所建立的方法与传统EEMD-Hilbert法和EEMD-TEO方法进行对比,结果表明:经本方法提取的敏感特征能准确突显滚动轴承故障频率发生的周期性冲击,可准确识别其故障类型。

振动测试与诊断杂志要求:

{1}作者姓名、单位、职务、职称及详细联系方式（地址、邮编、手机等）。署名作者不超过2人。

{2}所投稿件需是本人原创。如为多人合作作品，须征得其他作者同意，并注明其他作者。因稿件著作权引发的纠纷，由作者自行负担。

{3}稿件题名一般不超过20字。

{4}遵照GB/T7714—2015《文后参考文献著录规则》采用顺序编码制著录，依照其在文中出现的先后顺序用阿拉伯数字加方括号标出；中文参考文献须有对应的英文列于其上。

{5}摘要及关键词：文中必须附中文摘要，内容包括目的、方法、结果(应给出主要数据)及结论4个部分内容，要求以第3人称撰写200-300字为宜，并附3-8个关键词。有条件者，可将文题、作者、单位、摘要及关键词译成英文。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社