摘要：針對軸承初始故障發生的時間點以及退化趨勢,提出了基于總體平均經驗模式分解和奇異值分解方法(EEMD-SVD)與時域分析的馬田系統故障診斷方法.該方法通過提取振動信號時域和時頻特征,構建不同特征參數下的基準空間并利用正交表對特征參數進行降維和優化,最終融合成單一特征參數馬氏距離.分別用馬氏距離監測軸承運行狀態,判斷初始故障發生的時刻以及演化趨勢,并依據馬氏距離對軸承故障發展的過程進行了劃分.該方法有效地提取了振動信號時頻特征并優化了馬田系統基準空間,更加準確地識別了軸承初始故障發生的時間點以及更加合理地劃分了軸承的退化過程.通過兩組滾動軸承加速壽命試驗,驗證了該方法的有效性和合理性.