轴承的故障是故障的旋转机械故障等可能是灾难性的，导致昂贵的停机时间的***重要原因之一。之一的轴承预后的关键问题是，以检测缺陷在其初期阶段，它发展成一个灾难性故障之前提醒操作员。

　　为基于传感器的方法中，信号去噪和弱签名的萃取是轴承预后由于测量机构的固有缺陷常常引入噪声到信号大量关键。另外，一个有缺陷的轴承的签名是在很宽的频带扩展，因此，可以很容易地成为由噪声和低频效果屏蔽。

　　通常情况下，轴承振动信号与安装轴承座，其中传感器常常受到其他机械部件收集主动振动源的振动传感器收集。测量机构所固有的缺陷引入的噪声的大量的信号。因此，有缺陷的轴承的签名是在很宽的频带扩展，可以很容易成为噪声及低频效果屏蔽。面临的挑战之一是在缺陷开发的早期阶段，以提高弱签名。需要一个信号增强方法，以提供对轴承性能评估和预测更明显的信息。

　　一种用于从噪声背景中提取的信号的传统的做法是设计一个适当的过滤器，从而消除了噪声分量，并在同一时间，让所需要的信号经过不变。基于噪声的类型和应用，不同的过滤器可被设计为进行去噪。然而，对于这样一种情况的噪声的类型和频率范围是未知的，传统的过滤器设计会成为一个计算密集的过程。

　　小波变换已广泛，由于其非凡的时频表示能力，这将在后面详细本文讨论应用于信号去噪。虽然大多数的信号去噪方法的打算从嘈杂的原始信号，从机械故障的振动信号，如齿轮和轴承检测平滑曲线，是类似脉冲比光滑更多。一些研究人员已经开发出一种基于Morlet小波分析去噪方法，并应用于要素齿轮振动信号的提取方法。这些方法寻求***优小波滤波器，可以给出于对转换的信号***大的峭度值。然而，轴承的缺陷签名是周期性的脉冲。周期性起着故障识别中起重要作用，而不应在***佳小波滤波器结构被忽略。

　　轴承预后的另一个挑战是，如何有效地评价基于所提取的特征的系统的性能。其中的有效实施轴承预后的主要困难是缺陷成长的高度随机性。尽管种类繁多的功能可以提取描述从不同的方面(如根均方[RMS]，峰度，波峰因数，倒谱和包络谱)信号的特征，以往的工作表明，每个特征唯一有效的在某些阶段存在一定的缺陷。例如，通过波峰因数和峰度表示的振动信号的spikiness意味着初期缺陷，而由RMS的值给定的高能量级指示严重的缺陷。一个好的绩效评估方法应该从多种特性和传感器系统退化评估互信息的优势。

　　案例

　　弱签名检测滚子轴承预后。

　　大多数轴承诊断研究涉及来自研究领域，其中轴承表现出成熟的故障，或者从模拟或“种子”损害恢复有缺陷的轴承。使用有缺陷的轴承实验较少发现在早期阶段的自然缺陷的传播能力。为了真实地反映现实缺陷的传播过程中，轴承运行到出现故障测试是在一个特殊设计的测试装置正常负荷的条件下进行。

　　轴承试验台主机上的一个轴四个测试轴承。轴的旋转速度以2000rpm保持恒定。的6000磅的径向负载被添加到在轴和轴承由一弹簧机构。安装在油反馈管磁性插头从油收集杂物的轴承降解的证据。当附着在磁性插头的累积的碎屑超过一定水平测试停止。

　　

　　

　　图1.轴承试验台

　　四个双列轴承被上一个轴安装为如图1所示的高灵敏度的加速度计被安装在每个轴承箱上。四个热电偶连接到每个轴承的外圈，记录轴承温度监视润滑目的。与各种故障模式结束试验了多套进行了。时域特征表明，大多数的轴承疲劳的时间期间的材料损伤累积期间被消耗掉，而裂纹扩展和发展的时期较短。这意味着，如果使用传统的基于阈值的状态监测方法，可用于维修人员的响应时间灾难性故障之前，在这种轴承检测到缺陷之后响应很短。这可以检测早期缺损的预后的方法是要求使有足够的缓冲时间可用于维护和后勤安排。

　　挑战：图2表示从在轴承试验的***后阶段轴承4收集到的振动波形。

　　

　　图2.轴承故障振动信号波形

　　信号表现出因为一个成熟的外圈缺陷所产生的影响的强烈冲动周期性。但是，检查历史数据和观察振动信号前三天轴承失败时，有如图3无周期性脉冲的符号(一)。周期性脉冲特性完全由噪声掩盖。

　　

　　如图3(a)

　　解决方案：一种自适应小波滤波器被设计为去噪声的原始信号和增强降解探测。自适应小波滤波器是在两个步骤中产生。起初，***优小波形状因子是由***小的熵值法找到。然后，***佳比例是通过***大化信号周期性识别。(b)将所设计的小波滤波器的噪声的原始信号，如图3能够获得去噪信号。

　　

　　如图3(b)

　　周期性的脉冲特征明显发现，这是轴承外圈恶化的有力证据。小波基于过滤器的去噪方法成功地提高了信号特征，并提供预测决策有力的证明。