滚动轴承是载运工具中最常见的基础零部件之一,在公路、铁路和航空等重要领域中都发挥着至关重要的作用。由于承担着支撑、传动、运动转换等重要功能,滚动轴承的工作环境和载荷条件往往非常恶劣,在服役过程中极易出现疲劳引起的点蚀、剥落等局部缺陷。这些故障在产生和发展过程中轻则会降低系统的工作性能,重则会导致重大的安全事故。受外界环境和运行工况的影响,轴承的故障特征常被复杂的干扰噪声淹没,往往难以直接识别。为此,本文针对载运工具中的滚动轴承面对的多种干扰工况,深入地开展了结合冲击性和循环平稳性的多目标故障特征提取与状态评估方法的研究。主要内容如下:(1)在传统谱峭度方法的基础上,基于二进制小波包分解重构和节点重排,发展了一种改进的谱峭度方法。为实现复杂干扰下最优共振频带的快速识别,基于包络谱中故障特征频率的分布规律,提出了一种新的指标——频域相关峭度用于定量刻画窄带信号中滚动轴承的重复性故障冲击强度。通过与时域峭度、频域峭度和时域相关峭度的对比分析,证明了该指标在综合表征轴承故障信号的冲击性和循环平稳性特征方面的优越性。此外,基于相关峭度的指向性,可以将该方法用于轴承的复合故障诊断。(2)基于谱峭度的快速滤波方法虽然计算效率较高,但受其频率分辨率的限制也容易造成最优共振频带的分割。另外,随着频率的增加,包络谱中故障特征频率的高阶倍频对频域相关峭度的贡献越来越小,影响故障冲击强度的表征。针对上述不足,进一步提出了一种基于归一化频域相关峭度和复Morlet小波的动态贝叶斯小波解调方法。以需要优化的小波参数设计状态方程,以滤出信号平方包络谱的归一化相关峭度值设计测量方程,基于粒子滤波方法,通过对粒子后验概率的迭代求解,实现复Morlet小波参数的最优估计,从而自适应地确定富含故障信息的共振频带进行包络解调。通过仿真和实验分析,证明了该方法相对于快速滤波方法的优越性。(3)频域相关峭度和归一化频域相关峭度的计算需要准确的故障特征频率作为先验知识,若转速信息误差较大,将严重影响该类方法的有效性。为弥补上述不足,进一步将包络分析中的单目标最优滤波方法进行推广,提出了一种基于负熵的多目标动态贝叶斯小波解调方法。在贝叶斯估计中,以窄带信号平方包络的负熵表征故障的冲击性特征,以其平方包络谱的负熵表征循环平稳性特征,将多目标优化算法中的非支配排序和拥挤距离排序引入动态贝叶斯小波变换实现了多目标最优的复Morlet小波解调。实验结果表明,该方法可以克服多种复杂干扰的影响,并通过与单目标方法的对比,验证了该多目标特征提取方法的优越性。(4)在多目标故障特征提取的基础上,为实现滚动轴承服役性能退化过程的定量描述,提出了一种基于Infogram和隐条件随机场的轴承状态在线评估方法。以SE infogram和SES infogram中的负熵值作为特征量来分别表示冲击性和循环平稳性,基于初始阶段的历史数据来训练隐条件随机场模型,然后利用该模型对轴承的当前退化程度进行定量评估。通过两组不同工况的轴承加速寿命实验数据验证了该方法的有效性。此外,与隐马尔科夫模型和条件随机场模型的对比结果表明,既具有表达隐状态能力又具有表达长距离依赖性特征的隐条件随机场模型可以得到更好的评估效果。