[1]Zhiyuan He, Guo Chen, Kaiyong Zhang, Konstantinos Gryllias. A quantitative estimation method of ball bearing localized defect size based on vibration instantaneous energy analysis[J]. Measurement Science and Technology, 2022,33(07):075011.

[2] Zhiyuan He, Guo Chen, Tengfei Hao, Xiyang Liu, Chunyu Teng. An optimal filter length selection method for MED based on autocorrelation energy and genetic algorithms[J]. ISA Transactions, 2021,109:269-287.

[3] Zhiyuan He, Guo Chen, Tengfei Hao, Chunyu Teng, Minli Hou, Zhengjie Chen. Weak fault detection method of rolling bearing based on testing signal far away from fault source[J]. Journal of Mechanical Science and Technology. 2020,34(03):1035-1048.

[4]贺志远, 陈果, 何超, 滕春禹. 一种MED最优滤波长度选择新方法及其应用[J].航空学报, 2020,41(10): 394-408.

[5]陈果, 贺志远, 尉询楷，于平超. 基于整机的中介轴承外圈剥落故障振动分析[J].航空动力学报,2020,35(03):215-229.

       滚动轴承是航空发动机、地面燃气轮机等重要装备的核心支承部件，同时也是故障易发部件，滚动轴承故障是导致发动机停车和提前换发的主导原因之一。因此对滚动轴承进行有效的损伤演化预测和健康监测，具有很强的现实需求和重要的理论意义及工程实用价值。针对面向航空发动机的滚动轴承，结合实际发动机中轴承故障监测的需求，本文开展了滚动轴承从次表面损伤萌生、演化至表面剥落形成的研究，探讨了滚动轴承局部损伤尺寸的定量计算方法，提出了面向航空发动机主轴承机匣信号的微弱故障诊断方法等。论文的具体工作内容有：
       （1）提出了一种高效的滚动轴承早期损伤演化模型，能够模拟轴承次表面损伤裂纹萌生及朝向表面传播演化的过程，仿真模拟的剥落形状与现有的试验结果十分吻合，同时可以预估轴承材料的使用寿命。基于连续损伤力学理论和 Abaqus 有限元分析，在线弹性力学基础上耦合弹性流体动力润滑压力，分析了不同载荷、表面粗糙度以及材料属性等因素对轴承损伤演化及疲劳寿命的影响；并根据某型航空发动机主轴承的真实工况，分析和计算了润滑状态和时变冲击载荷对其早期损伤演化及疲劳寿命的影响。最后通过滚动轴承全寿命加速疲劳试验验证了模型的有效性。
       （2）提出了一种基于振动瞬时能量分析的轴承局部损伤尺寸精确定量估计的方法。分析了滚动体通过轴承滚道剥落区域时产生的相应振动冲击特征，然后使用平滑伪 Wigner-Ville 时频分析方法提取故障冲击产生的能量分布，在此基础上提出由瞬时能量变化来确定滚动体进入和离开剥落区域的时刻，进而对剥落尺寸进行了精确定量估计。最后在不同损伤尺寸的轴承试验结果分析中，验证了所提方法的准确性，结果表明所提方法与传统方法相比具有更高的精度。
       （3）针对滚动轴承微弱故障特征，结合遗传算法，在最小熵解卷积（MED）算法中构造了一个衡量微弱冲击故障周期性的能量指标，然后将该指标作为遗传算法的目标函数，形成了一种 MED 最优滤波长度自适应选择的新方法，该方法能够充分提升微弱故障的周期性冲击特征，避免了在诊断滚动轴承微弱故障时人为经验选择滤波长度的误诊结果。滚动轴承早期故障及基于机匣信号的航空发动机转子试验器的测试结果表明，与其他改进的 MED 方法相比，该方法在检测滚动轴承微弱冲击特征方面具有更好的性能。
       （4）基于某型航空发动机主轴承故障难以在机匣信号中检测这一问题，提出了一种集成式微弱故障诊断思想。该思想主要由提升周期性冲击，定位共振频带以及降噪三部分构成。首先采用改进的 MED 算法提升周期性微弱故障冲击以减少传递路径的影响；其次采用先进的信号分解方法捕捉主轴承故障冲击所引起的共振频带；最后利用自相关降噪方法去除结构噪声，气动噪声等干扰成分。所提方法在含机匣的航空发动机转子试验和某型航空发动机某支点主轴承外圈剥落试验中都成功地检测出机匣信号中的微弱故障信息。