摘要： 针对传统时频分析方法在处理非平稳振动信号时难以同时兼顾时间分辨率和频率分辨率的问题，提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization，IPSO)优化的最大相关峭度解卷积(MaximumCorrelation Kurtosis Deconvolution，MCKD)与自适应超小波变换(Adaptive Superlets Transform，ASLT)相结合的高精度时频分析方法。以包络谱峰值因子为适应度函数，对粒子群优化算法(particle swarm optimization，PSO)中的惯性权重和学习因子以非线性递减的方式进行更新，利用IPSO 对MCKD中的L 和T 进行寻优，最后对滤波信号进行ASLT 处理，进一步实现轴承故障的有效识别。通过模拟和实测信号分析，将所提IPSO-MCKD-ASLT方法与短时傅里叶变换、连续小波变换和同步提取变换等方法进行对比分析。分析结果表明，IPSO-MCKD-ASLT方法不仅可以有效地提取轴承故障特征，还具有更高的时频分辨率和抗噪能力。最后，将IPSO-MCKD-ASLT应用到滚动轴承的故障诊断中，实验
结果使该方法的有效性和优越性得到验证。

关键词: 故障诊断, 时频分析方法, 粒子群优化算法, 最大相关峭度解卷积, 超小波变换, 滚动轴承