摘要： 针对滚动轴承信号在强噪声背景下故障特征提取困难的问题，提出一种变分模态分解(Variational ModalDecomposition，VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution，MCKD)相结合的故障诊断方法。首先基于VMD方法选取故障信号的最优模态分量，然后采用MCKD算法增强最优分量信号中的冲击成分，最后通过包络谱分析提取滚动轴承的故障频率。利用粒子群优化算法(Particle Swarm Optimization，PSO)对VMD算法中的参数α 和K以及MCKD算法中的参数L和M进行寻优，并对PSO算法中惯性因子和学习因子的更新方法加以改进，以提高参数寻优过程的收敛速度。仿真分析和试验结果表明，所提出的诊断方法可以有效提取被强噪声淹没的滚动轴承故障特征。

关键词: 故障诊断, 滚动轴承, 变分模态分解, 最大相关峭度解卷积, 粒子群优化