的振动信号多亏实验室后提供的如图，在这个由机械部门发展的实验室，单球轴承进行试验研究在图中，从右手边开始，接下来的可以看见的是轴向和径向气缸，轴承装配，个型千赫带宽的加速度计，个测量每分钟多少转的转速仪，个传动皮带轮直接由型带和电机连接。

额外的采集装置是个放大器，个的采集卡。

采样率被设定在，并且每个被获得的信号由个点，从这个试验系统获得了四套实验数据在正常条件下内环故障外环故障球故障轴承试验台轴承故障内环外环在内环或者外环上有个长的认为用电笔留下的凹陷。

在这个例子中的滚球，在其表面形成多重的插槽来模仿现象。

轴承破坏的环如图所示。

径向和轴向的载荷分别为和，共用了轴承测量获得，个的是在下进行的。

平行研究是在和下进行的。

正如文献所说的，每个类型的故障有他的特征频率这个实验中用到的球轴承导出球轴承在运行时的频率球通过频率内环球通过频率外环球旋转频率滚动体实验数据和第次处理左实验装置的四个赋存条件的原始数据加速度右，每个信号的光谱然而，那些频率不能被观察在轴承恶化发展的最初阶段的光谱图中，那就是说，当最初的故障发生时另外方面，由于不同的连接原理会有不同的频率在这个光谱中出现。

在图，从滚动轴承四个赋存条件的实验设施获得的信号和频谱被提供。

在这个图中，些感兴趣的频率可以被看出，我们需要对原始数据的预，处理来获得初期故障特征的有用的信息，主要为了轴承的最后两个条件外环和内环故障试验机器和工业机器主要的不同是前者被考虑到通过实体的成型加工，没有摩擦和完美的配合与平衡，但在现实机器的实例中，这是不真实的真如图，轴承条件特征频率，通常，个非常低的振幅在初期，并且由于噪声和其他机器的振动可能被掩盖。

信号处理工作在这个原稿，功率谱密度的分析和轨迹被画出这个结果不是让我们预知潜在的隐患，由于周围频率提出的频率的数值。

在评估这个结果后，我们推断，当个工业机器在运行，有很多因素来增加振动信号，个排除没用信号的滤波器是不容易落实的。

个微波变换让我们作为第个滤波器把不稳定特征加给信号。

细节级别获得的参数让我们产生种模式分类问题上的兴趣。

这个被推荐的方法让我们自动化的完成维修过程在真正的生产中。

为了信号处理目的的些见解被暂时提出。

微波分析对不稳定信号有更好的性能优点，套微波代表段时间信号他们组成个功能来自于叫微波母函数的信号函数的家庭，通过扩张和转化处理扩张和大小有关，并且他被认为是个尺度参数当转化是所选微波的时轴的位置变化时。

频带编码通过两个频道通过应用分析方程几乎不能被用到因此，个离散化方法是被需要的。

给出数组，这个离散的信号被分析了，仿真的被给出通过，当，微波母函数时根据二阶比例中出现的参数和是清晰的，表示分解的级别和转化的因数。

，多分解分析是非常适合的方法来执行离散化他由递归滤波器应用组成，有个带有脉冲响应的单向低通滤波器的应用开始，过滤器适合信号的数学卷积和过滤器的脉冲响应，排除所有最大的信号频率的成分。

分解信号在不同的频率段，但是不同的分辨率把信号分成两个不同的数据近似信息和详细的信息。

两个功能组被用来描述这个信息。

他们分别被称作与低通和高通滤波器有关联的比例函数和微波函数经过滤波后，同样数量的样品将会被获得，但是只有半的频率段通过应用尼奎斯特定理，半的样品被证明是没有丢失信息的。

这个步骤是第个分解级并且能够被表达成数学形式如下和是分别是低的和高的段的输出滤波器因素用二阶方法判定替代的样品，是最初的样品数量这个方法，也被称作替代法，表达如图，并且他可能被重复为了额外的分解。

为了提取特征在这部作品中，母小波已经被选来处理每个由个信号的条件。

表明了正常条件下和内环故障时信号的区别。

这个近似法的分类结果可获得是在转子速度是和隐含层神经元的数量是。

在这种情况下网络精度约。

提出了显示出更好的结果的相关的其他作品在文献里，我们必须说，由于实验的建立，环和球接触椭圆球比在我们的工作中的接触椭圆小。

因此，这是合理的来认为手稿中获得的结果是有趣的并且他们没有与其他没有考虑隐患轴承条件下径向载荷的手稿进行比较。

总结在这个原稿中，个自动故障分类技术，即基于神经网络的多分辨和已被发展出来。

从真实的机器提供的数据在分类赋存条件的困难在这项工作也被提到。

神经网络分类方法可以用于轴承条件在个非常初期的阶段，成功率达以上。

能对分类的任务可靠提取特征，在起始阶段允许故障诊断。

自从基函数用于该方法就被紧大力支持，微波分析具有良好性能的能量高度集中性。

此外，提出了种绝对的分类方法让我们把测量的精度是在分类轴承而不是分类的信号。

该方法的诊断价值进行评估并让我们不断重复评估动态系统，知道故障状态的变化方面的进步。

文中提出的方法让我们自动化完整的维修过程中在真正的产业中鸣谢，作者们希望感谢西班牙政府提供的金融工程以及机械部门的部分的实验援助。

参考文献，，，，，，，，，，，，，ı，ı机械系统和信号处理实例历史基于和神经网络的滚动轴承自动诊断文章信息文章历史年月日被年月日修改被认可年月日被公认年月日在网上公布关键词微波虚拟网络故障诊断预前维护模糊分类摘要任何工业都需要个有效的预期计划来优化资源管理，以及通过减少不必要的开支与增强生产安全级别来提高经济效应。

生产过程中大部分停机是轴承导致的。

他们在功能周期的早期阶段就开始恶化，也被称为初期阶段。

本论文开发了种基于振动信号的分类与分析的滚动轴承自动诊断方法。

这项工作的新颖性在于论文提出的方法应用于从工业机器采集数据，在该机器上为滚动轴承设计了径向与轴向的负荷。

首先，多分辨率分析用于提取信号最有效的特征。

然后，所提的特征作为有监督神经网络的输入并实现分类。

实验结果证明了方法的健壮性，该方法可以在早期阶段检测出轴承运行的的四种情况正常，内圈故障，外圈故障，滚珠故障。

简介所有的旋转机器都会产生故障。

维护计划包括分析关键部件的外部信息来评估其内部状态。

因此，轴承失效只是旋转机器停机最常见的原因。

实时在线监测可以提高早期检测与故障诊断自动化，但更可靠的及更快的数学方法是必需的。

滚动轴承早期故障的分类是研究前沿，与之相关的研究工作很少。

在最近两年，有名望的杂志仅仅推出了四五篇与滚动轴承初期诊断有关的论文。

在这些论文中，从实验室设备采集数据不包括对滚动轴承的设计非常重要的径向载荷，可能最重要的原因之是在工业中那些轴是来传递能量的。

径向滚动轴承是用于支持在轴上的负荷传输主要包括连接到轴的不同零件质量产生的径向载荷的齿轮曲柄等在工业机器中是不可忽略的自身质量与轴不对中引起的种程度的轴向载荷。

在这篇论文中，滚动轴承载荷的应用已经包括在试验计划中。

不同作者的不同观点导致由于球和环接触圆弧而产生的缺陷的分类更加困难。

最大限度上的发展是由完成的，接触面积的宽度和径向载荷的平方根成正比。

那就是说，轴承提供的径向载荷越大，那么接触的椭圆面积就越大。

假如这样，那么球和环的接触不能被考虑成个点，所以潜在故障就会隐埋在这个接触面，使得我们难以被发现他们。

这里有两个阶段来实施故障诊断过程第，特征提取和噪声减少的信号处理第二，在前阶段得到的信号基础上进行分类。

大部分与轴承故障诊断的研究同意以此为目的的振动信号，在滚动体运行发生故障时出现不稳定信号的特征。

近几年，不同的技术被用于处理由动力系统提供的信号。

大部分作者用三种方法分析振动信号的分类基于统计参数的时域，比如，平均值均方根方差峰值等。

频域，在过去这个是傅里叶变换和反变换最常用个地方时频分析，比如，小波变换。

这最后种方法是信号不稳定特征最常用的方法。

最经典的方法是能量光谱密度和解调方法基于频域。

第种方法给我们个从快速傅里叶变换获得每个频率峰值能量的方法。

这个解调方法或者轨迹分析是由从当时信号的轨迹所获得的光谱组成基于希尔伯特变换。

这些方法在实验条件下已经被证明是有用的来检测轴承故障不是在初始阶段，当那里的其他输入源的故障被忽略或排除。

在这个实例的初始阶段，这个光谱的振幅是非常低的并且其他的方法是被需要的。

微波变换被成功的用做故障特征提取者根据好的能量集中性能。

发行了刊关于微波变换在机器的检测和故障诊断应用的书籍性的评论。

微波变换的主要缺点，和形式转变的基本功能的选择相分离，那就是他不能够分离机器操作失败信息的高频段的表现。

这个问题在年被提出的微波包变换解决了微波包变换是个给出了适当频率段划分的多分辨率的分析技巧。

然而大部分用在故障诊断的作者正在开发个方法来摒弃获得的较少的代表系数从而到达下个分类阶段例如，开发的门槛方法。

微波包系数可以直接作为特征来使用，并且他们具有高的灵敏度来发生故障。

总之，许多故障特征可以被获得，主要是和微波系数或微波能量。

既然微波系数将会突出那些经常预测故障发生的信号的变化，那么微波系数的基本特征是适合故障检测。

然而，因为信号微弱的变化通常带有能量，那些变化在微波能量基本特征中将会很容易被掩饰所以，微波能量基本特征不能够发现初期的故障。

信号处理是轴承故障诊断系统中个非常重要的项目。

然而，为了获得个推测个获得旋转要素真实条件的监测系统，个分类系统是被需要的。

故障诊断的新趋势是试着去开发智能的分类系统。

初始的研究在被发现在十四十五世纪。

卢苏达权等在文献在轴承中使用了种模糊分类器的故障诊断，基于用作特征向量发生器的离散微波变换的应用。

用了个支持向量的机器组在文献中，并且这个领域其他的研究人员用了遗传算法或神经网络，做为分类的要点。

目前的研究工作，用和神经分类器来处理滚动轴承的振动信号是为了发现他的四个受力状态。

这个原稿的检测程序流程图如图所示。

提出的方法论用直接的方法来执行诊断程序，没有发展其他作者开发的探测和识别任务，。