1、軸承作為現(xiàn)代工業(yè)中的一種基礎(chǔ)零部件，使用非常廣泛。軸承失效時會導(dǎo)致整個機械設(shè)備停止運行，甚至出現(xiàn)機械設(shè)備的二次破壞，造成經(jīng)濟損失和安全事故。如果，我們在軸承發(fā)生故障的早期階段，就能檢測到故障的產(chǎn)生并實現(xiàn)預(yù)警，那么就可以有計劃的采取相應(yīng)的措施，減輕或者避免上述不良影響。然而在軸承產(chǎn)生早期故障時，振動信號常常非常的微弱，傳統(tǒng)的信號分析技術(shù)效果不佳。針對該問題，本文對軸承的早期故障進行了基于微弱故障信息增強的時頻圖像的構(gòu)建和識別方面的相關(guān)的研

2、究，提取滾動軸承振動信號中的微弱故障信息。文中給出了基于時頻的三種方法，主要涉及小波分析和欠定盲源分離技術(shù)，通過處理仿真信號和軸承實際振動信號，驗證了該方法的效果。
　　首先研究了軸承故障產(chǎn)生的沖擊響應(yīng)信號的模型，在常用的等周期模型上，考慮了相對滑動，為等周期沖擊響應(yīng)信號加入了輕微的隨機波動，同時考慮了調(diào)制的影響，使得模型更加準確。另外也推導(dǎo)了軸承各種故障下的特征頻率，為后面的分析提供了理論基礎(chǔ)。
　　然后在短時傅里葉變換的

3、二次FFT的基礎(chǔ)上發(fā)展出了連續(xù)小波變換-包絡(luò)譜平均分析方法。首先對軸承振動信號進行連續(xù)小波變換(CWT)，然后針對每一個尺度下的分析結(jié)果沿著時間維度進行包絡(luò)解調(diào)分析，最后選擇中小尺度下的包絡(luò)譜進行平均處理。通過處理仿真信號和實際軸承早期故障信號，得到了較好的分析結(jié)果，驗證了該方法的有效性。
　　軸承的早期故障特征微弱，容易受到噪聲的干擾，不容易準確識別。為此，結(jié)合小波尺度譜同步平均和小波脊線分析的優(yōu)點，提出了基于小波尺度譜的時頻脊

4、特征提取方法。首先對多周期的振動信號進行小波變換，并重排小波尺度譜;再根據(jù)信號的周期性，對尺度譜進行同步平均，最后提取小波脊線，計算信號的包絡(luò)幅值并進行頻譜分析，最終獲得弱故障特征。通過仿真和實例驗證了本方法的有效性。
　　實際中我們采集到的觀察信號包含有故障信息源在內(nèi)的多種源信號，由于故障源比較微弱，為其檢測增加了難度。盲源分離是解決該問題的思路之一。首先對信號進行短時傅里葉變換，然后通過對觀察信號的時頻散點圖進行處理，估計出混