基礎進口軸承，作為軌道車輛的關鍵旋轉部件之一，起到了軸承、減磨、減阻的作用。目前，鐵路車輛進口軸承的監測方法按物理量分為三種類型，主要是基于溫度、聲音、振動和沖擊信號。根據設備模式，主要有基于溫度的、基于振動的車輛監控模式，以及基于聲音的路邊設備模式。基于振動信號的車載監測對于檢測進口基礎軸承的故障更為敏感，將是未來進口基礎軸承監測的發展方向。進口軸承振動信號分析方法的研究和應用在機械故障診斷領域受到了廣泛的關注。近年來，對進口軸承振動信號的降噪、特征提取、故障診斷和故障預測等理論和算法得到了迅速的發展和優化。由于列車的安全性要求很高，我們更加重視進口軸承的小故障的早期診斷。Randall 和 antoni [1-2]提出了一種基于快速傅里葉變換的頻譜峰度算法，并成功地應用于軸承輸入非平穩信號的分析。

劉偉等人提出了基于折射過濾的城市軌道車輛fag進口軸承缺陷特征的分析方法，完成了FAG進口軸承振動信號帶的有效劃分，防止了信號截斷誤差，通過信號頻譜分析，定性地識別了外環和滾筒消融問題。孫曉濤等方法基于小波分析和神經網絡提出了軌道車輛FAG進口軸承診斷過程，經過小波包分析建立過濾參數，通過RBF神經網絡停止正常，內環、外環、滾筒問題四個特點進行精確分類。何光建等系統根據經驗形式合成和支持矢量機提出了列車滾動FAG進口軸承診斷分類方法，經驗形式綜合了對小波噪聲消除信號停止濾清器的合成，支持矢量機對IMF重量特征指標停止分類，識別FAG進口軸承的不同部件。唐貴基等基于自我符合的多尺度STH向FAG進口軸承特性轉化停止加強，將各秤改造后的信號特征值能量比作為選擇規范，確認了優良的變換參數，最終完成了軋制FAG進口軸承的定性診斷。首先，構建了FAG導入軸承斷層振動信號的拉普拉斯波轉換功能，利用小波基的密集顯示來識別滾裝FAG導入軸承問題的瞬態沖擊特性，有效區分外環、內環和滾筒的微小斷層。

關貞珍[8]等基于濾波后 FAG進口軸承振動圖像質量特性,應用雙譜圖像紋理特征可以定義辨別了不同工作部件通過不同發展嚴重經濟水平的 FAG進口軸承毛病,比照了圖像數據特征主要指標的敏感信息狀況,后提出了作為一種 FAG進口軸承定性定量診斷的有效方法剖析思緒。

推薦資訊