摘要： 变转速工况下滚动轴承故障振动信号受转速波动影响，故障特征易受到噪声和其他无关分量干扰导致时频面模糊，故障特征提取困难。自适应调频模态分解(Adaptive Chirp Mode Decomposition，ACMD)作为新提出的非平稳信号处理算法，可有效分析时变非平稳信号。ACMD需基于希尔伯特变换确定瞬时频率( Instantaneous Frequencies，IF )，提取IF 的准确性对最终分析结果具有较大影响。因此，在ACMD的基础上，引入脊提取理论，提出基于多时频曲线提取算法( Multiple Time-Frequency Curve Extraction，MTFCE)提取IF 的多时频自适应调频模态分解( Multiple Time-Frequency ACMD，MACMD )方法。首先对原始振动信号进行包络处理，并通过MTFCE 提取其包络图中的IF 作为预设频率输入到ACMD 算法，然后对包络信号进行ACMD分解，最后根据分解得到的各个信号分量的IF 和瞬时幅值(Instantaneous Amplitude，IA )信息构建高分辨率的时频表示，以实现时变非平稳信号的分析。通过分析模拟信号和实测变转速下滚动轴承故障信号可知，该方法能有效诊断时变转速下滚动轴承故障，减少噪声干扰，且具有较强的鲁棒性。

关键词: 故障诊断, 变转速, 滚动轴承, 脊提取, 多时频自适应调频模态分解