摘要： 针对滚动轴承振动信号具有非平稳性、非线性且易受背景噪声干扰，故障特征难以提取等问题，提出一种基于WELCH功率谱算法的集成学习模型的故障诊断方法。首先使用WELCH算法对轴承的原始振动信号进行预处理，从中提取峭度、偏度、波形因子、峰值因子、脉冲因子和裕度因子6 个参数，作为支持向量机的特征向量；然后结合集成学习算法构造Bagging-SVM集成学习模型。实验结果表明，与单一的SVM分类器相比较，Bagging-SVM 集成模型对于轴承的故障诊断性能更优；在不同电机转速下的轴承故障诊断中，诊断率分别为97 %，98 %，98 %和99.5 %；说明了该集成模型在不同工况下的适用性强，诊断性能优秀。

关键词: 故障诊断, WELCH算法, 集成学习, 支持向量机, 滚动轴承