摘要： 针对风电机组主轴承故障特征信息难以提取的问题，提出基于自适应循环矩阵分解和优化最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution，MCKD)特征增强的主轴承故障特征提取方法。首先，利用自适应循环矩阵生成特征向量，该特征向量能更好适应与旋转机械结构对称性相关的循环平稳特性。其次，针对分解后故障特征子分量选取难题，利用故障稀疏度指标(Fault Sparsity Intensity，FSI)表征各子分量故障特征信息，选取含有显著故障特征信息的子分量为主要子分量。然后，以包络谱峰值因子作为适应度函数，利用主要子分量对滤波器参数进行优化，将最优滤波器参数代入MCKD进行计算，抑制分量中存在的噪声成分，增强故障特征成分。实际分析结果表明，与传统方法相比，所提方法能有效增强微弱故障特征，去除噪声，准确诊断风电机组主轴承潜在微弱故障。该方法为低速重载滚动轴承微弱故障诊断提供了新思路。

关键词: 故障诊断, 自适应循环矩阵分解, 故障稀疏度指标, 最大相关峭度解卷积, 微弱故障诊断