滚动轴承是内燃机中重要的零部件之一，其发生故障时振动信号中的故障信息往往会被噪声淹没。为此应用多点优化最小

熵解卷积修正（MOMEDA）增强信号中的故障脉冲成分：首先系统介绍MOMEDA 的基本原理，随后通过仿真信号在理论上对其有效

性进行分析，最后设计滚动轴承内圈模拟点蚀故障试验证明其在故障特征提取中的作用。结果表明，经MOMEDA 降噪处理后，信号

的故障冲击成分得到明显突出，能够为后续的故障诊断工作提供方便.

 引言

滚动轴承是内燃机中重要的零部件之一，其组成元

件发生局部故障时产生的周期性脉冲特征通常比较微

弱，加之振动传输路径复杂和噪声干扰严重等因素的

（3） 影响，使得滚动轴承早期故障诊断较为困难 。为了排

[1-2]

除噪声对信号的干扰，准确提取滚动轴承故障特征，需

要降低噪声来提高信噪比，从而增强信号中的故障冲

式（2）可写为： 击脉冲

。 [3-4]

多点优化最小熵解卷积修正（MOMEDA）是在

MED

和MCKD 的基础上提出的一种新的信号周期性冲击成分 （4）

增强技术，并成功应用于齿轮故障诊断 。该方法能够有效

[5]

突出信号中被噪声淹没的连续脉冲序列，有效显示机械设 进而简化为：

备故障信息 。论文深入研究MOMEDA 的基本原理，在对

[6]

（5）

其进行仿真分析之后，将其应用到对内燃机滚动轴承振动 求其极值：

信号的处理中，降低故障诊断的难度。