[目的]针对滚动轴承故障信号非线性、非平稳特征导致的故障特征频率难以提取的问题,提出了一种基于改进的带有自适应白噪声的完全集合经验模态分解(ICEEMDAN)和小波阈值降噪的滚动轴承故障特征提取方法。[方法]首先用小波阈值降噪对故障信号进行预处理,然后利用ICEEMDAN对降噪后的信号进行模态分解,产生一系列的固有模态函数(IMF),并根据互相关系数法提取与原信号相关的模态分量,作各层模态分量的包络谱图,提取滚动轴承的故障特征频率。[结果]通过仿真试验与滚动轴承故障试验分析,并将其与集合经验模态分解(EEMD)处理的进行比较,基于ICEEMDAN方法分解后的包络谱幅值更加明显。[结论]本研究提出的方法能精确地提取滚动轴承的故障特征频率。

基于计算流体力学（CFD）软件Fluent中的雷诺应力模型（RSM）,对4种不同单向入口油水分离旋流器进行数值模拟分析,对比了4种结构的压力损失、湍流强度、切向速度和除油效果。结果表明,入口结构对油水分离旋流器的分离性能影响较大。在本研究范围内,收缩形入口旋流器（结构B）分离效率最低,为83.2%;螺旋线形入口旋流器（结构C）的分离效果最理想,可达到92%以上,且压力损失和能量消耗比渐开线形入口旋流器（结构D）的小。本文可对油水分离旋流器入口结构的设计和改进提供参考。