文献综述
一、选题背景与意义
滚动轴承（rollingbearing)是将运转的轴与轴座之间的滑动摩擦变为滚动摩擦，从而减少摩擦损失的一种精密的机械元件[1]。滚动轴承由内圈、外圈、滚动体和保持架组成，内圈、外圈分别与轴颈及轴承座孔配合在一起。多数情况是内圈随轴回转，外圈不动；但也有外圈回转、内圈不转或内外圈分别按不同转速回转等情况。滚动体是滚动轴承中的核心原件，它使相对运动表面间的滑动摩擦变为滚动摩擦。滚动体的大小和数量直接影响轴承的承载能力。在球轴承内、外圈上都有凹槽滚道，它起着降低接触应力和限制滚动体轴向移动的作用。保持架使滚动体等距离分布并减少滚动体间的摩擦和磨损[2]。滚动轴承广泛应用于工业和家用机械中，如风力发电机、航空发动机、高铁动车组等。由于它长期工作在旋转状态,滚动轴承部件的配合面即使存在微小的缺陷也会导致其失效[3]。滚动轴承作为一种运动部件，它的状态的好坏直接影响着设备的工作性能。在实际的生产生活中，由于滚动轴承故障导致设备失效的例子很多，设备失效时轻则导致设备停止工作，严重时有可能会导致机毁人亡。据统计，在使用滚动轴承的旋转机械中，由于滚动轴承损坏而引起的故障约占 30%[4]。因此，进行滚动轴承故障检测诊断，是减少维护损失，保证设备安全运行的有效途径，具有重要的工程意义[5]。
滚动轴承故障诊断的方法很多。近年来,众多学者对轴承信号的分析和处理进行了广泛研究,其中大多数方法的核心思想集中于特征提取,即将故障特征信号有效地从原始信号中提取出来。振动监测是轴承故障诊断最有效的途径之一[6-7]，振动信号分析方法已经被广泛应用到轴承的故障诊断领域[8]。因此,研究滚动轴承振动信号的分析和诊断方法具有重大的科学意义和实际意义。
二、国内外研究现状及发展趋势
1、国内外研究现状
滚动轴承故障诊断中最常用的振动分析方法除了传统的时域统计分析、频谱分析、谱自相关分析方法、共振解调分析、倒频谱分析、频率细化技术等方法外，时频域分析、现代谱估计、经验模态分解、循环平稳分析、阶比跟踪等信号处理技术成为研究的热点[9]。国内外一些优秀学者在此基础上又开展深入的研究，取得了许多成果。
近年来，一些国内学者提出了轴承故障诊断的新方法。例如，滚动轴承振动信号具有非线性和非平稳性特点[10]，这会导致滚动轴承故障信号微弱难以获取。为了解决这一问题，金研[11]提出了一种基于最大相关峭度解卷积(MCKD) 和自适应白噪声完备经验模态分解( CEEMDAN) 样本熵相结合的滚动轴承故障诊断方法。这种分析方法较小波变换法而言具有很强的自适性，而且相比经验模态分解法[12]而言解决了由于外部事件干扰而导致故障信息难以提取等问题。
在滚动轴承故障诊断过程中，针对时域振动信号容量大且易受噪声污染，难以建立准确的故障诊断模型等问题。张万智、杜劲松等人[13]采用无损约束降噪方法对稀疏自编码进行优化，提出了基于无损约束降噪稀疏自编码的滚动轴承故障诊断方法。该方法可直接作用于时域振动信号，消除对人工特征提取的依赖性，无须降噪预处理，降低了故障诊断模型建立的难度。胡敏、张娟娟等人[14]提出利用多小波降噪与CEEMD方法相结合，提取滚动轴承的故障特征信号的方法。孙海亮等[15]提出了一种基于Hilbert-Huang视频分析和非抽样多小波相结合的降噪方法，并应用于减速器早期故障诊断中。张会敏[16]等提出了一种基于CEEMD和奇异差分谱结合的滚动轴承故障诊断方法。
