【摘要】滚动轴承故障信号特征复杂且易受噪声干扰，传统通过筛选敏感模态分量（IMF）实现降噪的方法需先验性掌握故障频率，在使用场景中存在局限性。本文提出了一种基于时变滤波经验模态分解（TVF-EMD）包络多指标动态赋权降噪方法，该方法构建了包括包络能量比、包络相关系数及包络峭度在内的综合特征指标体系，能够更全面和更清晰地刻画信号中的故障特征信息。采用熵权法对包络特征指标进行综合赋权评分，利用 K-means 聚类算法筛选出高分簇 IMF 分量作为有效信号，动态赋权及无监督聚类提高了方法的通用性，克服了传统方法对先验故障特征的依赖。实验结果表明，该方法在提升信噪比（SNR）和降低均方误差（MSE）方面具有显著效果，并且在更优降噪的同时能够更好地保留故障特征信息。