軸承的故障是故障的旋轉(zhuǎn)機械故障等可能是災難性的，導致昂貴的停機時間的***重要原因之一。之一的軸承預后的關(guān)鍵問題是，以檢測缺陷在其初期階段，它發(fā)展成一個災難性故障之前提醒操作員。

　　為基于傳感器的方法中，信號去噪和弱簽名的萃取是軸承預后由于測量機構(gòu)的固有缺陷常常引入噪聲到信號大量關(guān)鍵。另外，一個有缺陷的軸承的簽名是在很寬的頻帶擴展，因此，可以很容易地成為由噪聲和低頻效果屏蔽。

　　通常情況下，軸承振動信號與安裝軸承座，其中傳感器常常受到其他機械部件收集主動振動源的振動傳感器收集。測量機構(gòu)所固有的缺陷引入的噪聲的大量的信號。因此，有缺陷的軸承的簽名是在很寬的頻帶擴展，可以很容易成為噪聲及低頻效果屏蔽。面臨的挑戰(zhàn)之一是在缺陷開發(fā)的早期階段，以提***弱簽名。需要一個信號增強方法，以提供對軸承性能評估和預測更明顯的信息。

　　一種用于從噪聲背景中提取的信號的傳統(tǒng)的做法是設(shè)計一個適當?shù)倪^濾器，從而消除了噪聲分量，并在同一時間，讓所需要的信號經(jīng)過不變?；谠肼暤念愋秃蛻?，不同的過濾器可被設(shè)計為進行去噪。然而，對于這樣一種情況的噪聲的類型和頻率范圍是未知的，傳統(tǒng)的過濾器設(shè)計會成為一個計算密集的過程。

　　小波變換已廣泛，由于其非凡的時頻表示能力，這將在后面詳細本文討論應用于信號去噪。雖然大多數(shù)的信號去噪方法的打算從嘈雜的原始信號，從機械故障的振動信號，如齒輪和軸承檢測平滑曲線，是類似脈沖比光滑更多。一些研究人員已經(jīng)開發(fā)出一種基于Morlet小波分析去噪方法，并應用于要素齒輪振動信號的提取方法。這些方法尋求***優(yōu)小波濾波器，可以給出于對轉(zhuǎn)換的信號***大的峭度值。然而，軸承的缺陷簽名是周期性的脈沖。周期性起著故障識別中起重要作用，而不應在***佳小波濾波器結(jié)構(gòu)被忽略。

　　軸承預后的另一個挑戰(zhàn)是，如何有效地評價基于所提取的特征的系統(tǒng)的性能。其中的有效實施軸承預后的主要困難是缺陷成長的***度隨機性。盡管種類繁多的功能可以提取描述從不同的方面(如根均方[RMS]，峰度，波峰因數(shù)，倒譜和包絡譜)信號的特征，以往的工作表明，每個特征***有效的在某些階段存在一定的缺陷。例如，通過波峰因數(shù)和峰度表示的振動信號的spikiness意味著初期缺陷，而由RMS的值給定的***能量級指示嚴重的缺陷。一個好的績效評估方法應該從多種特性和傳感器系統(tǒng)退化評估互信息的優(yōu)勢。

　　案例

　　弱簽名檢測滾子軸承預后。

　　大多數(shù)軸承診斷研究涉及來自研究領(lǐng)域，其中軸承表現(xiàn)出成熟的故障，或者從模擬或“種子”損害恢復有缺陷的軸承。使用有缺陷的軸承實驗較少發(fā)現(xiàn)在早期階段的自然缺陷的傳播能力。為了真實地反映現(xiàn)實缺陷的傳播過程中，軸承運行到出現(xiàn)故障測試是在一個特殊設(shè)計的測試裝置正常負荷的條件下進行。

　　軸承試驗臺主機上的一個軸四個測試軸承。軸的旋轉(zhuǎn)速度以2000rpm保持恒定。的6000磅的徑向負載被添加到在軸和軸承由一彈簧機構(gòu)。安裝在油反饋管磁性插頭從油收集雜物的軸承降解的證據(jù)。當附著在磁性插頭的累積的碎屑超過一定水平測試停止。

　　圖1.軸承試驗臺

　　四個雙列軸承被上一個軸安裝為如圖1所示的***靈敏度的加速度計被安裝在每個軸承箱上。四個熱電偶連接到每個軸承的外圈，記錄軸承溫度監(jiān)視潤滑目的。與各種故障模式結(jié)束試驗了多套進行了。時域特征表明，大多數(shù)的軸承疲勞的時間期間的材料損傷累積期間被消耗掉，而裂紋擴展和發(fā)展的時期較短。這意味著，如果使用傳統(tǒng)的基于閾值的狀態(tài)監(jiān)測方法，可用于維修人員的響應時間災難性故障之前，在這種軸承檢測到缺陷之后響應很短。這可以檢測早期缺損的預后的方法是要求使有足夠的緩沖時間可用于維護和后勤安排。

　　挑戰(zhàn)：圖2表示從在軸承試驗的***后階段軸承4收集到的振動波形。

　　圖2.軸承故障振動信號波形

　　信號表現(xiàn)出因為一個成熟的外圈缺陷所產(chǎn)生的影響的強烈沖動周期性。但是，檢查歷史數(shù)據(jù)和觀察振動信號前三天軸承失敗時，有如圖3無周期性脈沖的符號(一)。周期性脈沖特性完全由噪聲掩蓋。

　　如圖3(a)

　　解決方案：一種自適應小波濾波器被設(shè)計為去噪聲的原始信號和增強降解探測。自適應小波濾波器是在兩個步驟中產(chǎn)生。起初，***優(yōu)小波形狀因子是由***小的熵值法找到。然后，***佳比例是通過***大化信號周期性識別。(b)將所設(shè)計的小波濾波器的噪聲的原始信號，如圖3能夠獲得去噪信號。

　　如圖3(b)

　　周期性的脈沖特征明顯發(fā)現(xiàn)，這是軸承外圈惡化的有力證據(jù)。小波基于過濾器的去噪方法成功地提***了信號特征，并提供預測決策有力的證明。