滾動軸承故障聲學訊號的檢測與處理方法一直以來是個熱點研究方向，已經有幾十年的研究歷史，相應的研究**數以千計。大體上，可以分為兩類處理方法，第一類是對採集到的聲學訊號直接在時域進行處理，第二類是頻域處理方法，當然還有一些處理方法屬於時頻結合。
本文對常見的時域處理方法做乙個總結。由於我收集到文獻資料並不完整，所以這個總結也只是介紹一些傳統的方法。由於本人水平有限，近些年比較流行的聲發射（ae
在時間域分析和判斷軸承聲學訊號稱為軸承故障診斷的時域處理方法。最簡單的方法就是將軸承的聲學訊號畫出波形圖來用眼睛來看，靠大腦來分析。其他複雜一些的方法還包括利用各種統計學參量來評估軸承的狀態。
不要小瞧靠眼睛看波形分析軸承故障這種比較原始的方法，實際上人腦是一台相當強大的超級計算機，並且執行著複雜的自適應演算法。靠這種看似簡單的方法，我們能夠確定波形中是否存在幅度調製現象，是否有軸偏載現象存在，是否存在異常的高頻振動。
1 乙個典型的故障軸承的聲音波形
圖 1給出了乙個內圈存在故障的軸承的聲音頻號，取樣頻率為100khz
，圖上給出了
0.1 s
的時間的波形。通過觀察波形，我們能夠獲得大量的資訊，比如上圖中我們能看到聲音頻號包含週期性的衝擊訊號成分。這種衝擊訊號是由於滾子通過內圈故障點時撞擊故障點而產生的。將上圖進一步放大將會看的更加清晰。
2 聲音波形的區域性放大圖
圖 2是圖 1的區域性放大圖，圖中可以看到3
處較強的衝擊振動，重複頻率與滾子通過內圈的通過頻率完全吻合，因此可以判定為內圈單處故障。滾子通過故障點時激起軸承體系的結構共振，隨著滾子通過故障點，這種共振會迅速衰減。通常，有經驗的工程師看一眼聲音波形，就能判斷軸承是否存在故障，簡單測量一下相鄰兩次衝擊振動的時間間隔就能確定軸承的故障型別。
故障軸承的聲音與正常軸承的聲音有很大的區別，這些區別導致故障軸承聲音的許多統計學參量與正常軸承聲音的統計學參量的取值範圍有較大的區別。根據這些區別，我們就可以判定軸承是否存在故障。
常用的重要的統計學引數包括如下幾種：
峰值：峰值反映的是振動波形的最大振幅，適用於表面剝離類故障，因為這一類故障出現時滾動體與故障點會發生強烈的撞擊致使聲音頻號發生突變產生短時間內的大幅值訊號。但是峰值容易受到外界雜訊干擾，很少單獨作為判斷準則。
均值：對於聲音頻號，其平均值應為0
，一般來說無需計算這個參量。但是有時為了確定訊號採集系統是否工作正常，會計算這個值。
均方根值（rms
值）：
均方根值也稱之為有效值，是乙個應用廣泛的統計參量。這個參量表徵的是軸承產生的聲音頻號的能量大小，是判斷軸承執行是否正常的乙個重要指標。軸承沒有故障時執行平穩，聲音較小，對應rms
值也相對較小。隨著故障逐步加劇，
rms
也會隨之增加。
rms
值對於診斷磨損類故障，或軸承缺油類故障的趨勢分析很有效。但是對表面小範圍剝離或傷痕等具有衝擊振動形式的故障相對不很敏感。
波峰因子（crest factor
波峰因子反映的是聲音頻號最大值與有效值間的比值，這個比值越大說明聲音頻號中存在的短時間大幅值的瞬時振動約劇烈。對於無故障的軸承，波峰因子接近3.5
。峭度因子（kurtosis
峭度因子反映的是波形偏離正態分佈的程度。白雜訊的峭度值為3
。有時，我們也會見到另一種峭度的定義：
這種定義並沒有引入新的概念，只是將高斯型分布的訊號的峭度因子定為了0
，峭度值越大反映訊號偏離高斯型分布越遠。
通常有兩種方式計算這些統計學參量，第一種方式是直接對原始的聲音頻號進行計算。第二種方式是首先對原始訊號進行濾波處理，將原始訊號中不同頻段的資訊提取出來，然後分別計算統計學參量。
通常各種雜訊集中在低頻段，高頻段上更能體現出故障特徵。比如下圖是將圖1
的聲音波形用乙個
20-40khz
的帶通濾波器濾波後的結果。
圖 3 濾波之後的聲音頻號（20-40khz
）從圖上可以看出，濾波之後故障點的「通過振動」變的非常的明顯。峭度值也增加到了25.3
，波峰因子增長到了
10.3
。rms 值和峰值可以用來對軸承執行狀態進行趨勢跟蹤，但是不適合單次判定。因為不同的工作環境，不同的軸承，這兩個值會有很大的變化。我們無法選擇乙個合適的閾值來判斷軸承是否存在故障。峭度值和波峰因子與軸承聲音頻號的大小無關，因此用這兩個參量來判斷軸承故障，尤其是軸承早期故障會比較準確。但是隨著軸承故障的加劇，軸承的振動特徵會變的越來越隨機，這兩個參量的計算結果也會降低。因此，只通過這兩個參量是無法確定軸承故障的嚴重程度的。
濾波頻段的選擇也非常重要，下表給出了對上面軸承聲音波形進行了各個不同頻段的濾波處理之後的峭度值和波峰因子的計算結果。
圖中可以看出，相對來說，頻率段選的高一些，得到的結果會更好一些。也就是說高頻段中故障特徵聲音更明顯。但是這也不是絕對的，對於某個特定的問題，還需要實驗測試來獲得最佳的濾波頻段。
也可以從軸承聲音頻號幅度的分布來研究這個問題。對於良好軸承來說，其發出的聲音近似為白雜訊，幅度分布接近正態分佈。一旦軸承出現故障，其振幅的分布就會產生偏離。
下圖給出了乙個新軸承和乙個故障軸承聲音的幅度分布，對原始聲音頻號做了帶通濾波處理。橫座標按照訊號的標準差進行了歸一化。
圖 4 新軸承和故障軸承聲音的幅度分布
新軸承的聲音頻號點主要集中在0
點附近，偏離
3個標準差的訊號點非常少，幾乎沒有超過
5個σ的訊號點。而故障軸承由於存在「通過振動」，有相當比例的訊號點偏離0
點很遠。因此，通過統計偏離某乙個閾值的訊號點所佔的比例，也可以判定軸承是否存在故障。
故障軸承聲學訊號的時域處理方法
滾動軸承故障聲學訊號的檢測與處理方法一直以來是個熱點研究方向。已經有幾十年的研究歷史。對應的研究 數以千計。大體上。能夠分為兩類處理方法，第一類是對採集到的聲學訊號直接在時域進行處理，第二類是頻域處理方法。當然另一些處理方法屬於時頻結合。本文對常見的時域處理方法做乙個總結。因為我收集到文獻資料並不完...
NameNode出現故障的處理方法
在集群的執行過程中，可能會出現namenode宕機的情況，在這裡我貼出來乙個有效的辦法來解決namenode的方法。在主節點上面jps檢視namenode程序，然後 kill 9 namenode程序號 2.刪除主節點上namenode儲存的資料 opt module hadoop 2.7.2 da...
智慧型手機的故障處理方法
遇到問題啟動不了或白屏 1 拔卡，重啟，這個步驟是檢驗問題軟體是在手機記憶體還是在儲存卡的方法，如拔卡問題解決，那毛病就是在儲存卡上的軟體問題 2 看看關於啟動的有哪些軟體 如sman vibor等等第三方軟體 然後試試刪除這些軟體，重啟，試試，如果還不行。3 還不行再格機不遲 不是嗎？動不動就格機...