下载文档原格式
毕业设计开题报告测控技术与仪器轴承运行状态监测与故障诊断方法研究1前言装备制造业是为国民经济和国防建设提供技术的重要产业，而振兴装备制造业的重中之重是提高装备的创新和产品的国产化，轴承产品作为装备制造业中重大装备的基础零件，也必须实现其自主创新和国产化。
从文献所知，国务院在《关于加快振兴装备制造业若干意见》中提出,选择16个对国家经济和国防建设有重要影响的关键领域，以重大装备为重点，尽快扩大自主装备的市场占有率[1]。
而在这16个关键领域中的重大技术装备中,绝大部分都要装用轴承，并且需要高技术的轴承来保证其精度、性能、寿命和可靠性。
据数据显示,至2010年，这16个关键领域每年要配套轴承约 550.5万套，产值约 116.5亿元。
滚动轴承作为机械设备中重要的零件，是机械设备的重要故障源之一。
统计表明：在使用滚动轴承的机械中，大概有 30%的机械故障是由滚动轴承引起的。
在感应电机故障中，滚动轴承故障约占电机故障的40%左右,而齿轮箱各类故障中的轴承故障率仅次于齿轮占20%。
有关资料表明，我国现有的机车用的滚动轴承，每年约40%要经过下车检验，其中的33%左右被更换。
因此，改定期维修为状态监控维修，研究机车轴承故障监测和诊断，有重要的经济效益和实用价值[2]。
据统计，对机械设备应用状态监测与故障诊断技术，事故发生率可降低75%，维修费用可减少25～50%。
滚动轴承的状态监测与故障诊断技术在了解轴承的性能状态和及时发现潜在故障等方面起着至关重要的作用，并且可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。
2主题现在，我国在滚动轴承监测与故障诊断技术方面的研究经历了2个重要阶段:从70年代末到80年代初，主要吸收国外先进技术，并对一些故障原理和诊断方法展开研究；从80年代初期到现在，全面开展了对滚动轴承的故障诊断新理论及其应用的研究工作，引入了先进技术，大大提高了诊断系统可实施性，并取得了丰硕成果[1]。
《滚动轴承复合故障的智能诊断系统研究》篇一一、引言随着现代工业的快速发展，滚动轴承作为机械设备的重要部件，其故障诊断显得尤为重要。
由于多种因素影响，滚动轴承可能会出现复合故障，如内外圈故障、滚动体故障、保持架磨损等。
这些故障若不及时发现和处理，可能导致设备停机、损坏甚至引发安全事故。
因此，研究滚动轴承复合故障的智能诊断系统，对于提高设备运行可靠性、减少维修成本和保障人员安全具有重要意义。
二、研究背景与意义近年来，随着传感器技术和人工智能技术的快速发展，滚动轴承故障诊断技术得到了广泛关注。
传统的故障诊断方法主要依靠人工经验和专业知识，但面对复杂的复合故障，人工诊断存在效率低、准确性差等问题。
因此，研究智能诊断系统，利用机器学习和深度学习等技术，实现滚动轴承复合故障的自动识别和诊断，对于提高诊断效率和准确性具有重要意义。
三、智能诊断系统设计1. 系统架构设计：本智能诊断系统采用分层架构设计，包括数据采集层、数据处理层、模型训练层和诊断输出层。
其中，数据采集层负责采集滚动轴承的振动、温度等信号；数据处理层对采集的数据进行预处理和特征提取；模型训练层采用机器学习和深度学习算法对提取的特征进行训练，构建故障诊断模型；诊断输出层根据诊断模型输出故障类型和严重程度。
2. 数据采集与预处理：通过安装传感器，实时采集滚动轴承的振动、温度等信号。
针对采集的数据，进行去噪、滤波等预处理操作，提取出有用的特征信息。
3. 特征提取与模型训练：采用信号处理技术和机器学习算法，从预处理后的数据中提取出能够反映轴承状态的特征。
然后，利用这些特征训练深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）等，构建故障诊断模型。
4. 诊断输出与优化：根据训练好的诊断模型，对滚动轴承进行故障诊断，输出故障类型和严重程度。
同时，通过反馈机制对诊断结果进行优化，不断提高诊断准确性和效率。
四、实验与分析1. 数据来源与实验环境：本研究所用的数据来自实际工业现场的滚动轴承数据集。
滚动轴承故障诊断方法与技术综述引言：滚动轴承作为机械设备中常用的零部件之一，承担着支撑和传递载荷的重要作用。
然而，由于使用环境的恶劣和工作条件的复杂性，滚动轴承往往容易出现各种故障。
因此，为了保证机械设备的正常运行和延长轴承寿命，对滚动轴承的故障进行准确诊断非常重要。
一、故障诊断方法1. 观察法观察法是最常用的故障诊断方法之一。
通过观察滚动轴承的外观和运行状态来判断是否存在故障。
例如，如果发现滚动轴承有异常噪声、温度升高、润滑油泡沫、振动加剧等现象，很可能是轴承出现了故障。
2. 振动诊断法振动诊断法是一种先进的故障诊断方法，可以通过检测轴承的振动信号来判断轴承是否存在故障。
通过分析振动信号的频谱图，可以确定轴承故障的类型和位置。
常用的振动诊断方法包括时域分析、频域分析和小波分析等。
3. 声音诊断法声音诊断法是一种通过听觉判断轴承故障的方法。
通过专业人员对轴承产生的声音进行听觉分析，可以判断轴承是否存在异常。
常见的轴承故障声音包括金属碰撞声、摩擦声和振动声等。
4. 热诊断法热诊断法是一种通过测量轴承的温度来判断轴承故障的方法。
由于轴承在故障状态下会产生摩擦热，因此轴承的温度可以间接反映轴承的工作状态。
通过测量轴承的温度分布，可以判断轴承是否存在异常。
二、故障诊断技术1. 模式识别技术模式识别技术是一种基于机器学习的故障诊断技术，可以根据轴承的振动信号和声音信号等特征，通过训练模型来识别轴承的故障类型。
常用的模式识别技术包括支持向量机、神经网络和决策树等。
2. 图像诊断技术图像诊断技术是一种通过图像处理和分析来判断轴承故障的技术。
通过对轴承的外观图像进行特征提取和分类，可以实现对轴承故障的自动诊断。
常用的图像诊断技术包括边缘检测、纹理分析和目标识别等。
3. 声音信号处理技术声音信号处理技术是一种通过对轴承声音信号进行滤波、频谱分析和特征提取等处理，来判断轴承故障的技术。
通过对声音信号的频谱图和时域图进行分析，可以判断轴承故障的类型和位置。
世君器曲Ｉ吝怒论坛２０５ＷＬＤＬＷＡＹｏＲＲＡＩＥｘｐｅｒｉｍｅｎｔａｌＳｔｕｄｉｅｓｏｎＭｏｎｉｔｏｒｉｎｇａｎｄＴｒｏｕｂｌｅＤｉａｇｎｏｓｉｓｏｆＳｌｉｄｉｎｇＢｅａｒｉｎｇＱＩＮＰｉｌｌｇ，ＺＨＡＮＧＱｉ．，ＹＡＮＢｉｎｇ，ＳＯＮＧＳｈａｏｎａｎＡ呦删：Ｉｌ拓日啪￡蛆ｌｏｃｃｕｒｒｅｎｃｅ。
ｆｔｈｅ曲ｄｉｎｇｂｅ商ｎｇｔｒ硼日鹄０ｆｔｈｅｄｋ！ｓｅｌｉｏｅｏｏｌｏｕｖｅｊ玎ｔｈｅｐｒｏｄｕｃｆｉ∞ｐｒａｃｆｉ。
ｅ，ｗｈｉｃｈｗｉｌｌｈａｖｅｄｉｒｅｃｔｉｌｌｌｐａｃｔ叩ｔｈｅ明ｆｅｔｙａｎｄ枷捌ｔｙ０ｆｔｈｅｈ幽ｃａｎｄｔｒａｎｓｐｏｒｔａｔｉｏｎ．Ｉｔ诂ｔｈｅｍｆｏＩｅｏｆｉｍｐｒｔａｎｔ８ｉ础ｃａｒｍｔｏＣ８１Ｔｙｏｕｔｔｈｅｍｏｎｉｔ咖ａｎｄ删ｅ击８掣嘲ｓｆｏｒｔｈｅ札咖０ｆｔｈｅｓＨｄｉｒＩｇｂｅ“ＩＩｇ．ＴｈｅａｒｔｉｃｌｅｐＩ｜恒ｆｏｒ－ｂｅ晡Ｉｌｇ船ｔｈｅ蛐ｗａｒｄｔｈｅｉｄｅａ０ｆｔａｋｉｎｇｔｈｅ胁越ｔｈ豇ｅｉｓｏｃ（？ｔｌｒｌ靴ｅ０ｆｃｏｎｔａｃｔ缸甜０ｎｋｔｗ傥ｎｔｈｅａｘｌｅａｎｄｔｈｅｔｏｊｕｄ舻ｔｈｅｂｅａｒｉｎｇｔｒｏｕｂｌｅａｎｄｅｍｆｌｏｙｉＩｌｇｔｈｅｍｅｔｈｏｄ０ｆ缸ｍｌｌ】址ｅｄｈｏｕｂｋｔｕｍｉｒＩｇｔｈｅｍｒｍａｌｌｕｂＩｉｃａｂ伽ｓｔａｔｅｇｒａｄｕ一曲ｔ０ｔｈｅ蛐０ｆｄｒｙ箭ｃｆｉｏｎ０ｎｔｈｅｓ谢ｃ—ｌｏａｄｔｅｓｔｉｎｇｓｔａｎｄ．ｈｉｓｆｏｕｎｄｆｒｏｍｔｈｅａｎａｌｙｓｇｏｆｔｈｅｍｕｎｄ西酗ａｌｂｅｆｏ挖ｔｈａｔ岫ｍｏｍｔ咄ａｎｄｔ］ｏｕｂｌｅｄｉ呼１０ｓｉｓ０ｆｔｈｅｓｔａｋｈｔｌｌｅｓｂｄｉｌｌｇｂｅ日ｒｉｒＩｇｃａｒｒｉｅｄｏｕｔａｎｄａｆｔｅｒｔｈｅ以呻出ｃｕｔ—ｏｆｆ２咖ｄｔｈｅｋｍ一啦ｗｉⅡ姓ｅ忙ｂｅｎｅｒｂ，，ｍｅａｒｚｓ０ｆｔｈｅ咖ｎ垃ｎｇ瑚ｆｅ。
ｆ出ｅｓｏｕｎｄ日诤１ａＩｉｎｄｄ啪ｌａｎｄｔｌｌｅｃ０删ｌｌｇｒｅｓｅｔｓＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｓｔｕ＆∞ａｒｅｔｈｕｓｃｏＭｕｅｔｚｄ．滑动轴承状态监测与故障诊断的实验研究秦萍，张勤，闫兵，宋绍南摘要：内燃机车柴油机滑动轴承故障在生产实践中经常发生，直接影响交通运输的安全性和可靠性，因此对滑动轴承进行状态监测和敌障诊断，具有重要的意义。
滚动轴承故障诊断方法与技术综述滚动轴承是机械设备中常见的一种元件，其作用是在旋转运动中支撑轴与轴承座之间的转动。
然而，由于长时间的使用或者操作不当，滚动轴承可能会出现故障，导致设备运行不稳定甚至完全停止工作。
因此，对滚动轴承的故障进行及时的诊断是非常重要的。
滚动轴承故障的诊断方法与技术可以分为传统的诊断方法和基于智能化技术的诊断方法。
传统的滚动轴承故障诊断方法主要包括观察法、听诊法和振动分析法。
观察法是最简单直观的一种诊断方法，通过观察滚动轴承的外观是否有异常情况，如颜色变化、表面磨损、断裂等，来判断其是否存在故障。
然而，此方法只适用于故障较为明显的情况，对于隐蔽性较强的故障无法有效判断。
听诊法是通过听取滚动轴承工作时产生的声音来判断其是否存在异常情况。
例如，当滚动轴承出现磨损或损坏时，会产生噪音，通过听诊器可以准确地判断故障的类型和程度。
然而，此方法需要专业的听诊仪器和经验丰富的技术人员，对于一般使用者来说并不容易操作。
振动分析法是一种常用的滚动轴承故障诊断方法，它通过对滚动轴承振动信号的分析来判断其是否存在故障。
滚动轴承在正常工作时会产生一定的振动，当滚动轴承出现故障时，振动信号会发生变化。
通过对滚动轴承振动信号的频谱分析、时域分析和幅值分析，可以准确地判断滚动轴承的故障类型和严重程度。
基于智能化技术的滚动轴承故障诊断方法包括人工智能、模式识别和机器学习等。
这些技术可以通过对滚动轴承振动信号进行大数据分析，利用模型和算法来自动识别故障类型和预测故障发生的概率。
相比于传统的诊断方法，基于智能化技术的方法具有更高的准确性和效率。
在实际应用中，滚动轴承故障的诊断通常是综合应用多种方法和技术。
例如，可以先通过观察法和听诊法初步判断滚动轴承是否存在故障，再通过振动分析法进行进一步的诊断，最后利用基于智能化技术的方法对故障进行确认和预测。
滚动轴承故障的诊断是保证设备正常运行的关键之一。
无论是传统的诊断方法还是基于智能化技术的方法，都需要经验丰富的技术人员进行操作和分析。
Internal Combustion Engine &Parts1滚动轴承的主要故障分析滚动轴承的结构具有一定的复杂性，主要是由外圈、内圈、滚动体、保持架等部分组成的。
因此，在具体的运转中可能会存在许多的问题，引起滚动轴承的故障，甚至会导致滚动轴承中出现异物和腐蚀等问题。
虽然在安装和润滑的过程中都是处于一个正常的状态，但是经过一段时间的运转之后，轴承也会因为疲劳和磨损而不能正常工作。
一般来说，轴承的故障主要表现在以下几个方面：首先，是滚动轴承的疲劳点蚀和塑性变形。
在重力的负荷下，滚动体的内外圈之间会发生一定的接触，这种内外圈产生的接触产生的力量被称为接触应力。
当内外圈的接触应力达到一定的数值之后，内外圈的滚动体表面就会形成疲劳点蚀。
疲劳点蚀是滚动轴承的主要故障之一，它的危害性主要表现在轴承工作能力的丧失。
也就是通常所说的轴承失效。
与此同时，在滚动轴承的故障中还存在着塑性变形的问题。
所谓的塑性变形主要指的就是轴承受到过大的冲击荷载的时候、或者是轴承热变而导致的额外载荷和异物侵入导致的轴承划痕等。
这些问题的出现都会导致轴承在实际的工作中产生严重的噪音和振动。
另外，一旦轴承有了压痕就会引起冲击载荷附近区域的表面发生脱落的问题。
其次，是滚动轴承的磨损和疲劳剥落。
滚动轴承由于使用时间、使用次数的增加会出现一定的故障。
例如：在使用的过程中，由于出现了异物或者是尘埃，就会导致滚动轴承和滚动体的相对运动，进而引起滚动体的表面磨损，导致轴承的间隙增大，也让轴承的表面变得更加的粗糙，降低轴承的运转精度和机器的运动精度。
与此同时，也会在运转的过程中出现一些噪音。
而对于一些精密机械的轴承来说，也会在一定程度上缩短机械使用的时间长度和使用寿命。
还有一些由于轻微振动而引起的磨损问题。
主要是轴承在不旋转的情况下，滚动体和滚道之间会有微小的接触，其不断的接触之后就会导致滚道的磨损问题，进而形成不必要的磨痕。
而疲劳剥落主要指的是滚动轴承的内外滚道和滚动体表面的承受载荷导致的问题。
滚动轴承的状态监测与故障判断滚动轴承是工业领域中常见的机械部件之一，主要用于支撑和转动机械设备。
在使用过程中，滚动轴承可能会出现一些故障，如轴承损耗、磨损等问题。
针对这些故障，及时进行状态监测和故障判断是非常必要的。
本文将从滚动轴承的状态监测和故障诊断两个方面进行介绍。
指标监测：通过监测关键指标，如轴承的温度、位置振动、噪声等，可以获得轴承的运行状态。
其中，温度的监测是比较常见的方法，通常使用温度计和红外线测温技术进行监测。
对于高速轴承还可以使用锅炉测温计进行实时监测。
位置振动监测是指通过振动传感器或加速度计获取轴承的振动数据，根据振动数据来分析轴承的状态。
如果轴承的振动频率很高，则说明可能存在故障。
油润滑监测：为了确保轴承的正常运行，需要进行油润滑监测。
在油润滑监测过程中需要测量油温、油压、粘度等指标，同时还需要检查油的浑浊度和金属微粒的含量。
这些指标可以帮助判断油润滑的状态是否正常。
损耗诊断：损耗是指轴承零件表面材料的脱落、烧焦、磨损等现象。
通过损耗诊断可以确定损耗的原因，如材料强度、润滑状况等。
损耗诊断可以使用金相分析和扫描电子显微镜等技术。
磨损诊断：磨损是指轴承零件表面材料被磨损或腐蚀的现象。
磨损可能是由于轴承内部的某些因素引起的，例如材质、润滑状况、工作载荷等。
可以使用虚拟仪器技术、金属磨损颗粒分析等方法对轴承的磨损程度进行诊断。
结论通过对滚动轴承的状态监测和故障诊断，可以提高轴承的可靠性和安全性，延长轴承的使用寿命，减少维修和更换的次数和成本。
因此，对滚动轴承进行状态监测和故障诊断是非常重要的。
轴承故障诊断与寿命监测方法的研究在工业生产中，轴承是一种非常重要的零件，其作用是支撑工业设备的旋转部分。
轴承的正常运转与否，直接关系到整个设备的性能和寿命。
因此，在工业生产中，轴承的故障诊断与寿命监测就显得尤为重要。
本文将探讨一些轴承故障诊断与寿命监测方法的研究。
一、轴承的故障类型轴承的故障类型主要有以下几种：1.疲劳损伤：由于轴承处于长期运转状态下，各种载荷的不断作用，导致轴承表面疲劳损伤，从而引起轴承损坏。
2.过载损伤：当轴承所受的载荷超过其承受范围时，轴承会受到严重的过载损伤。
3.润滑不良：当轴承在运转过程中，由于润滑不良，摩擦系数增加，从而产生过多的热量，造成轴承表面过度磨损，进而引起轴承损坏。
4.安装不当：轴承的安装不当也会导致轴承损坏，如偏斜、斜度不正确、间隙过大等问题。
二、轴承故障诊断方法轴承故障诊断的方法主要包括以下几种：1.外观检查法：观察轴承的外观，包括轴承的表面疲劳损伤、变形、裂纹、锈蚀、磨损等情况，通过观察轴承外观来判断其损坏程度。
2.声音检测法：通过听取轴承运转时的声音，判断轴承是否存在异常。
当轴承存在磨损、缺陷等问题时，会发出尖锐、刺耳的声音。
3.振动检测法：通过安装加速度传感器等传感器来检测轴承运转时产生的振动，从而判断其状态。
4.温度检测法：轴承在运转过程中会产生热量，通过测量轴承的温度，判断轴承是否存在过热等问题。
5.油液检测法：通过检查轴承所使用的润滑油，来判断轴承的润滑情况，是否存在杂质、缺油等问题。
三、轴承寿命监测方法除了轴承故障诊断外，轴承寿命监测也是一个比较重要的话题。
随着智能制造等新技术的不断发展，轴承寿命监测也越来越受到重视。
轴承寿命监测的方法主要包括以下几种：1.应力分析法：通过应力分析方法来计算轴承的寿命。
其中，常用的方法有等效应力法、最大应力法、极限强度理论法等。
2.降低负载法：通过降低轴承所受的负载，从而延长轴承的寿命。
通常是通过调整设备的使用状态来实现。
滚动轴承的状态监测与故障判断【摘要】滚动轴承是机械设备中广泛应用的零部件，其状态监测与故障判断对设备的运行稳定性和安全性至关重要。
本文通过介绍滚动轴承的工作原理，常见故障特征的监测方法，故障判断技术，状态监测与诊断系统以及应用案例分析，探讨了滚动轴承状态监测与故障判断的重要性。
未来，随着技术的不断进步，滚动轴承状态监测与故障判断的发展趋势将更加智能化和精准化，为提高设备的运行效率和延长设备寿命提供更好的技术支持。
通过本文的研究总结，我们可以更好地了解滚动轴承状态监测与故障判断的重要性，并为未来的研究和实践提供参考指导。
【关键词】滚动轴承、状态监测、故障判断、工作原理、监测方法、判断技术、诊断系统、案例分析、重要性、发展趋势、总结。
1. 引言1.1 研究背景滚动轴承是机械设备中常见的零部件，其工作状态直接影响到整个设备的运行稳定性和效率。
随着现代工业的发展，对滚动轴承的状态监测与故障判断需求越来越迫切。
在过去，人们通常采用定期检查的方法来维护滚动轴承，但这种方法无法及时发现潜在的问题，也无法有效预防故障的产生。
研究如何实现对滚动轴承状态的实时监测和故障判断成为了当前工程技术领域的热门课题。
在滚动轴承的工作过程中，常常会受到高温、高速、高载等各种因素的影响，从而导致故障的产生。
研究如何准确监测滚动轴承的工作状态，及时发现故障迹象，对于提高设备的可靠性和安全性具有重要意义。
本文将介绍滚动轴承的工作原理，常见故障特征的监测方法，故障判断技术，状态监测与诊断系统以及应用案例分析，以期为工程技术人员提供参考和借鉴。
1.2 研究意义滚动轴承是机械设备中非常重要的零部件，其工作状态直接影响到整个设备的性能和寿命。
对滚动轴承的状态监测与故障判断具有非常重要的意义。
通过及时监测滚动轴承的工作状态，可以帮助预防设备故障的发生，减少因故障导致的生产线停机时间和维修成本。
这对于生产效率的提高和成本的控制都具有重要意义。
滚动轴承是机械设备中易受损的部件之一，其故障往往会导致设备运行异常或甚至危险。
毕业设计开题报告测控技术与仪器轴承运行状态监测与故障诊断方法研究1前言装备制造业是为国民经济和国防建设提供技术的重要产业，而振兴装备制造业的重中之重是提高装备的创新和产品的国产化，轴承产品作为装备制造业中重大装备的基础零件，也必须实现其自主创新和国产化。
从文献所知，国务院在《关于加快振兴装备制造业若干意见》中提出,选择16个对国家经济和国防建设有重要影响的关键领域，以重大装备为重点，尽快扩大自主装备的市场占有率[1]。
而在这16个关键领域中的重大技术装备中,绝大部分都要装用轴承，并且需要高技术的轴承来保证其精度、性能、寿命和可靠性。
据数据显示,至2010年，这16个关键领域每年要配套轴承约 550.5万套，产值约 116.5亿元。
滚动轴承作为机械设备中重要的零件，是机械设备的重要故障源之一。
统计表明：在使用滚动轴承的机械中，大概有 30%的机械故障是由滚动轴承引起的。
在感应电机故障中，滚动轴承故障约占电机故障的40%左右,而齿轮箱各类故障中的轴承故障率仅次于齿轮占20%。
有关资料表明，我国现有的机车用的滚动轴承，每年约40%要经过下车检验，其中的33%左右被更换。
因此，改定期维修为状态监控维修，研究机车轴承故障监测和诊断，有重要的经济效益和实用价值[2]。
据统计，对机械设备应用状态监测与故障诊断技术，事故发生率可降低75%，维修费用可减少25～50%。
滚动轴承的状态监测与故障诊断技术在了解轴承的性能状态和及时发现潜在故障等方面起着至关重要的作用，并且可以有效提高机械设备的运行管理水平及维修效能，具有显著的经济效益。
2主题现在，我国在滚动轴承监测与故障诊断技术方面的研究经历了2个重要阶段:从70年代末到80年代初，主要吸收国外先进技术，并对一些故障原理和诊断方法展开研究；从80年代初期到现在，全面开展了对滚动轴承的故障诊断新理论及其应用的研究工作，引入了先进技术，大大提高了诊断系统可实施性，并取得了丰硕成果[1]。
对滚动轴承故障监测和诊断的理论与方法的研究一直是研究的重点。
根据故障监测和诊断方法原理的不同，滚动轴承的故障诊断技术主要为振动诊断技术、油液诊断技术、热诊断技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等[1],其中振动诊断技术、铁谱诊断技术、热诊断(热成像诊断和温度诊断)技术应用最为广泛。
（1）振动信号基的故障监测和诊断技术基于振动信号的滚动轴承故障监测和诊断技术，主要是通过对运行过程中轴承振动信号的采集和处理来来对滚动轴承出现的疲劳剥落、变形、压痕、局部腐蚀等现象进行监测与诊断。
该方法应用广泛，理论和实践都相对比较成熟，可以实现在线监测。
（2）油液基的故障监测和诊断技术滚动轴承故障的主要形式是磨损、断裂、腐蚀等[2]，油润滑或油冷却的轴承在运行的过程中，会将相关的信号带入到循环油液中，因此对运行过程中的油液进行观察、析，可以了解轴承的运行状态，推断出轴承故障的形式和部位。
（3）温度基的故障监测和诊断技术温度诊断技术是一种相对比较常规简单的诊断技术，对运行过程中轴承温度的监测来对轴承故障进行监测和诊断。
轴承的运转温度主要由轴承的载荷、转速、摩擦力矩、润滑剂类型、粘度、轴承类型等因素决定，因此轴承的温度可以一定程度反映轴承的运转参数的变化和运行的故障，特别是对轴承烧伤的诊断效果比较好。
（4）声学基的故障监测和诊断技术声学监测和诊断技术是近几年发展起来的新技术，通过对轴承由于变形、剥落或裂纹等原因产生的波的监测实现对轴承故障的诊断。
由于轴承经常在工作中受到载荷作用，使材料产生错位运动或塑性变形，在这过程中伴随着声信号的产生。
金属材料的发射频率可达几十至几百兆赫兹，其信号的强度差异小,故需要电荷放大器等仪器的辅助。
声信号随着轴承故障类型的不同而不同，从而实现对不同故障的有效诊断。
该方法的诊断过程快速、简便，但它需要专用的设备，格比较昂贵，使得该诊断技术的推广应用受到了一定的限制。
（5）油膜电阻基的故障监测和诊断技术如果轴承在运转过程中，滚道和滚动体之间形成很好的油膜，则内外圈的电阻值可达兆欧姆，但当润滑油膜遭到破坏后,内外圈之间的电阻可降低至零欧姆，该故障诊断技术正是利用这一特性，轴承的润滑状态和轴承的磨损、腐蚀进行监测和诊断。
但该方法对其它损伤情况如表面剥落、压痕、裂纹、点蚀等损伤情况诊断效果较差。
所以，该技术比较适用于旋转轴外露的情况。
（6）光纤基的故障监测和诊断技术光纤诊断技术是用光导纤维束制成位移传感器发射和接受光纤束，对轴承情况做出判断，该方法灵敏度高、信噪比大，可以直接地反映轴承的制造质量、表面磨损程度、载荷、润滑和间隙等情况，适用于将传感器安装在轴承座内的场合。
（7）综合故障监测和诊断系统随着轴承状态监测和故障诊断方法的深入发展，模糊数学理论、模式识别理论、专家系统技术、人工神经网络技术、灰色理论、可拓数学、信息科学理论等对故障的可行性也逐渐在工程中得到应用。
基于多传感器信息融合的故障诊断技术、宽阔的时空覆盖区域、高的测量维数和良好的目标空间分辨率及较强的故障容错与系统重构能力等技术优势受到各国的高度重视并逐步融入到故障诊断领域。
事实上，综合故障诊断的过程也是诊断信息融合的过程，只不过综合的意义更为广泛[3]。
综合故障诊断与处理主要为群体集的综合、方法集的综合、信息集的综合、评价集的综合、趋势集的综合、优化集的综合，涵盖了信息融合、群体决策、确定性推理、优化和诊断方法等理论与方法。
综上所述监测和故障诊断的方法，其中，振动检测能检测轴承的剥落、裂纹、磨损、烧伤，且适于早期检测和在线检测。
因而，振动诊断法得到一致认可[4]。
滚动轴承的振动反映了固有的振动特性、加工安装误差和运行时故障引起的振动特性，对滚动轴承的振动特性进行分析，并对其典型故障进行诊断。
对滚动轴承的频谱结构分析可以有效反映轴承的工作状态[5]，达到对轴承进行监测和故障进行诊断的目的。
当轴承出现局部损伤类故障后，振动信号中就包含了以故障特征频率为周期的周期性冲击成分，虽然这些冲击是周期出现的，但单个冲击信号却具有非平稳信号的特性。
傅里叶变换在频域上是完全局部化的。
因为其基函数在时域上的全局性，没有任何的时间分辨率，因此不适合非平稳信号的分析[6]。
短时傅里叶变换虽然在时域和频域上都具有一定的分辨率，但由于其基函数只能对信号进行等带宽的分解，所以基函数一旦确定，其时域和频域也就不能变化，而不能确定信号在不同频段的分辨率[7]。
小波变换基函数的伸缩和平移能够形成一系列变化的时频窗，低频处时窗变宽，高频处时窗变窄，而频窗的变化恰好相反，这样小波变换就具有了可变分辨率的特征，从而满足时频分析的要求[7]，[8]。
因此，可以用小波变换对滚动轴承进行状态监视和故障诊断。
在不久的将来，用于滚动轴承故障监测和诊断的时频分析法、小波分析法、时变参数模型法，分段平稳模型法、自适应模型法[9]等前沿技术将进一步完善，高阶循环统计量技术、分形维数等技术有望得到进一步的突破，专家系统和人工神经网络技术等综合型的故障智能监测和诊断系统都具有很大的发展潜力和广阔的发展前景。
3总结部分随着科学技术的进步和生产力的发展，机械设备日益向大型化、精密化、高速化和自动化的方向发展。
一方面提高了生产效率、降低了生产成本，另一方面对机械的设计、制造、安装、使用、维修和可靠运行都提出了更高、更严格的要求。
一个微小的故障，可能会影响整个系统运行的稳定性和安全性，甚至造成灾难性后果。
所以，各国十分重视对大型设备的状态监测和故障诊断，积极开展对故障机理、故障监测、故障诊断技术等方面的开发研究工作。
上个世纪70年代，国外的设备状态监测和故障诊断技术已经进入了实用型阶段，而在我国，故障诊断技术经过20多年的发展，从一般诊断到智能诊断，从简易诊断到精密诊断，从单机诊断到网络诊断，已经逐步找到了一条适合我国国情发展的道路，无论在故障诊断理论上，还是在工程实践及监测诊断产品的研发中,都已经有了一定的基础[10]。
众所周知，滚动轴承的状态监测与故障诊断就是通过对滚动轴承在各种情况下表现出来的振动、噪声、温度、气味、泄漏、工作参数等信息的监测和分析来对其工作状态、故障类型和故障的严重程度进行综合评价的过程，主要包括检测试验技术、信号处理技术、模式识别技术和预测评估技术四项基本技术，再进行检测和发现异常、诊断故障部位、分析故障类型、提出诊断方案和诊断[5]。
而在众多的状态监测和故障诊断的方法中，基于振动信号的轴承状态监测和故障诊断的方法已被广泛应用，相关理论和实践也都比较成熟[11]。
通过对滚动轴承的振动特性分析，可以了解其在不同工作状态下的振动频率[12]。
典型轴承故障振动频率处于振动的低频带，通过测试和分析，可以有效地对故障进行诊断[13]。
傅里叶变换在频域上是完全局部的,但因为其基函数在时域上的全局性, 使它没有任何的时间分辨率，因此它不适合非平稳信号的分析；短时傅立叶变换虽然在时域和频域上都具有一定的分辨率，但由于其基函数只能对信号进行等带宽的分解,因此它的基函数一旦确定，它的时域和频域分辨率也不能变化，从而不能确定信号在不同频段的分辨率[14]。
而小波变换具有可变分辨率的特征，从而满足时频分析的要求，达到了对滚动轴承典型故障诊断的目的[15]。
4参考文献[1] 李兴林,张仰平,曹茂来等.滚动轴承故障监测诊断技术应用进展[J].工程与试验,2009,49(14):1-5.[2] 张丽. 机车滚动轴承故障的产生及诊断方法[J]哈尔滨铁道科技，2010，（02）:38-39.[3] KONSTANTINOS C. GRYLLIAS and IOANNIS ANTONIADIS. A peak energy criterion{P.E}for the selection of resonance bands in complex shifted morlet wavelet(CSMW)based demodulation of defective rolling element bearings vibration response[J]. International Journal of Wavelets,Multiresolution and Information Processing,2009,(4):388-409.[4] 吕维杰.振动分析技术在滚动轴承故障诊断中的应用[J].中国新技术新产品，2010，（12）:27.[5] 唐茗,李力.滚动轴承故障程度识别与诊断研究[J].轴承,2008,(8):32-35.[6] 钱苏翔.傅里叶变换及小波变换的工程应用[J].嘉兴高等专科学校学报，2000，（6）:13-41.[7] 汪庆年,黄建红,武和雷.小波变换及其在滚动轴承故障诊断中的应用[J].南昌大学学报，2005，（3）:78-80.[8] 赵玉菊,李辉,李靖.基于小波变换的滚动轴承故障诊断研究[J].石家庄铁路职业技术学院学报,2010,(6):54-58.[9] 刘宗政,陈恳,陈振华等.滚动轴承的振动特性分析及典型故障诊断[J].机械设计与制造,2009,(3):103-105.[10] 宁练.滚动轴承在线监测系统设计[J].机械工程与自化,2005,(3):63-64.[11] 崔硕.时域指标在滚动轴承故障诊断中的应用[J].机械工程与自动化，2008，（2）:100-102.[12]. K. REZAEI MOGHADAM, A. MOHAJERIN ARIAEI, M. H. KAHAEI, and J. POSHTAN Bearing fault detection using virtual-based ICA algorithm[J].Fluctuation and Noise Letters,2008,(3):23-33.[13] 姜绍俊.小波变换在轴承故障诊断中的研究[J].电脑知识与技术，2009，（18）: 96-97.[14]. 沈金伟.滚动轴承故障诊断的改进小波变换谱峭度法[J].轴承，2010，（8）:46-49.[15] 于云满,邵强等.小波分析及其在轴承振动诊断中的应用[J].大连大学学报，2002，（12）:65-67.。
