座机：023-61586306
电话：023-68089338
邮箱：1469103992@qq.com
www.cqrcskf.com滚动轴承大数据健康监测研究。
轴承健康监测是在现有已知数据的基础上，预测轴承在一定时间内未来运行状态趋势的变化，以准确、快速地获取故障发展信息。对轴承进行状态监测和健康监测，可以掌握轴承劣化过程的规律，预防较大的故障，防患于未然。
Caesarendra等利用相关向量机回归算法和logistic回归组合方法来评估轴承退化程度和预测故障时间。于等人利用局部保局投影方法提取轴承的运行特征，并利用高斯混合模型和统计指标评价轴承的健康状态。研究表明，特征提取的效果明显优于成分分析。李秀文等人利用频域形态滤波对低速滚动轴承声发射信号进行去噪，并将模拟信号与实际轴承信号进行比较。结果表明，该方法效果良好。Rojas等人提出了一种基于SVM的滚动轴承故障诊断方法，其中滚动轴承振动信号的时域特征由SVM识别。Jeong等利用离散小波变换和谱峭度分析获得滚动轴承各部分的故障特征频率，完成了滚动轴承内圈-外圈、内圈-滚动体和外圈-滚动的过程。车身、内环-外环-滚动体复合故障形式的诊断
对于轴承运行状态监测的指标，有的可以通过采集温度、振动、噪声幅值等物理参数来实现，有的则需要研究人员通过信号处理方法对数据进行提前处理，如温度变化程度、振动强度、声压强度等。通过这些指标的表征，可以评估轴承的健康状态，预测和预警轴承的运行状态，指导工程师采取相应的防护措施，避免轴承健康状态的恶化。但现阶段还没有建立统一的平台来集成轴承故障的共性特征，故障原因的挖掘、高响应的预测方法以及各种轴承的协同管理还不完善。
