摘要： 针对实时变速工况下滚动轴承故障信号特征提取与在线识别难题，提出一种创新性的轴承故障诊断方法。该方法融合频带分割(Frequency Band Spliting，FBS)与经遗传算法优化的BP神经网络(Genetic Algorithm-Backpropagation Neural Network，GA-BP)。首先，对原始信号进行小波包分解得到小波包能量谱，然后提取振动信号和转速信号均值和方差指标共同构建特征参数集，为进一步降低数据采集成本，对特征参数集进行降采样处理。最后利用GA-BP的最佳隐含层自适应寻优系统，实现对故障特征的精确识别。实验和应用案例表明，其对于美国凯斯西储大学轴承数据集故障诊断准确率达100 %，对于加拿大渥太华大学轴承数据集故障诊断准确率达99.4 %，充分证明所提方法的经济性、有效性和良好的鲁棒特性。

关键词: 故障诊断, 频带分割, 降采样处理, 实时变速工况, 小波包能量谱