摘要： 针对滚动轴承微弱故障特征信号能量低且不易提取的问题，提出一种将河马优化算法(Hippopotamus Optimization，HO)、变分模态分解(Variational Mode Decomposition，VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution，MCKD)与综合指标Q 优化相结合的增强特征提取方法。首先，将最小包络熵作为目标优化函数，运用HO对VMD分解参数寻优。其次，依据提出的综合指标Q 对本征模态函数(Intrinsic Mode Functions，IMF)进行选择性重构，避免虚假特征分量造成特征提取不准确，并利用MCKD提取和增强冲击成分。最后，对重构信号进行包络谱以及阶次谱分析完成故障特征提取。基于凯斯西储大学轴承数据集和UT6818 机械故障试验平台进行对比实验，结果表明：所提算法在恒速和变速工况下的准确率分别为99.17 %和98.82 %，且特征提取效果优于麻雀搜索(Sparrow
Search Algorithm，SSA)改进VMD算法，充分表明所提方法的可行性和有效性。

关键词: 故障诊断, 特征提取, 综合指标Q, 河马优化算法, 最大相关峭度解卷积