轴承故障诊断技术及发展现状和前景
面向智能化制造的高速铁路列车轴承故障诊断技术研究
面向智能化制造的高速铁路列车轴承故障诊断技术研究随着社会的不断发展和技术的日益进步，智能化制造已经成为当前的热点话题。
在高速铁路列车的运营中，轴承是一项非常重要的零部件，如果轴承出现故障，不仅会影响列车的安全性能，而且会严重影响列车的正常运行。
因此，研究面向智能化制造的高速铁路列车轴承故障诊断技术具有非常重要的现实意义和科学价值。
一、高速铁路列车轴承基础知识高速铁路列车是现代快速交通运输工具，具有运行速度快、运输能力大、行驶平稳等特点。
而轴承则是列车重要的零部件之一，其主要作用是支持车轮和车体之间的连接处，并传递车轮的重量以及列车的载荷。
轴承工作环境复杂，容易受到磨损、腐蚀等因素的影响，进而导致轴承的故障。
二、面向智能化制造的高速铁路列车轴承故障诊断技术发展现状目前，针对高速铁路列车轴承故障诊断技术的研究已经取得了一定的进展。
其中，基于振动信号的故障诊断技术是一种主要的方法。
其原理是通过检测轴承振动信号的特征参数来判断轴承是否存在故障。
同时，还有基于声音信号和温度信号的故障诊断技术。
为了实现高速铁路列车轴承故障的实时检测和诊断，一些研究将机器学习和人工智能技术应用于轴承故障诊断中。
通过建立轴承故障的特征采集系统，采集轴承的振动、声音、温度等原始信号，然后利用机器学习技术来提取故障特征，最后通过人工智能技术进行轴承故障的判断与诊断。
三、面向智能化制造的高速铁路列车轴承故障诊断技术研究的发展方向目前，虽然高速铁路列车轴承故障诊断技术已经获得了一定的成果，但是仍然存在一些问题和挑战。
例如，目前轴承故障诊断技术的特征提取方法和分类算法仍然需要继续研究和完善。
同时，良好的传感器选择和布局方案是保证数据质量和有效诊断的必要条件。
未来的研究应该注重开发具有高可靠性、低功耗和高灵敏度的轴承故障传感器，以及可视化数据处理系统。
同时，应该对诊断方法进行实时性和准确性的验证，以确保技术的有效性和可靠性。
此外，还应该研究制造过程中的质量管理，维护和管理故障数据，构建完善的故障库和专家诊断系统。
试谈轴承故障监测诊断技术新进展
试谈轴承故障监测诊断技术新进展首先，新一代的传感器技术使得轴承的监测更加全面和准确。
传统的轴承监测技术多依赖于振动、温度等传感器进行监测，但是这些监测手段往往只能发现故障的表面症状，无法准确预测轴承的寿命。
而随着MEMS微型传感器技术的发展，可以实现对轴承内部状态的实时监测，通过监测轴承的加速度、速度、位移等多个参数，能够更加全面地了解轴承的运行状态，从而实现对轴承寿命的精准预测。
其次，人工智能和大数据技术的应用为轴承故障监测诊断提供了新的方向。
人工智能技术能够通过学习历史数据和特征识别，发现轴承故障的隐含规律，从而实现对故障的快速诊断和预测。
同时，大数据技术能够对大量的监测数据进行分析和挖掘，实现故障的早期预警和预防，提高轴承的可靠性和使用寿命。
最后，无损检测技术的进步为轴承故障的诊断提供了更加精准的手段。
传统的轴承故障检测多依赖于拆卸轴承进行检查，这不仅影响生产进度，而且无法发现一些微小的隐蔽故障。
而随着红外热像技术、超声波检测技术的应用，可以实现对轴承内部状态的无损检测，发现故障的早期迹象，为轴承的维护和保养提供了更准确的依据。
总的来说，轴承故障监测诊断技术的新进展为企业提供了更加全面、精准的故障监测和诊断手段，能够帮助企业提高设备的可靠性和稳定性，降低维护成本，提高生产效率，对于推动工业生产的智能化和信息化具有重要意义。
随着科技的不断进步，相信轴承故障监测诊断技术将会迎来更加广阔的发展前景。
随着工业智能化和自动化的不断发展，轴承作为工业生产中不可或缺的重要部件，其可靠性和稳定性要求越来越高。
轴承故障监测诊断技术的新进展为企业提供了更加全面、精准的故障监测和诊断手段，能够帮助企业提高设备的可靠性和稳定性，降低维护成本，提高生产效率，对于推动工业生产的智能化和信息化具有重要意义。
一项革命性的技术是无损检测技术。
传统的轴承故障检测多依赖于拆卸轴承进行检查，这不仅影响生产进度，而且无法发现一些微小的隐蔽故障。
轴承故障诊断与预测技术研究
轴承故障诊断与预测技术研究一、前言轴承是企业生产过程中非常重要的一个部件，如何提高轴承的使用寿命和可靠性是企业工程技术人员关注的重点。
轴承故障是因为在使用的过程中承载超过轴承额定承载能力而产生的，严重影响企业的生产效率和经济效益。
因此，如何有效地诊断轴承故障和预测轴承性能退化状态成为企业工程技术研究的热点和难点。
二、轴承故障诊断技术1.基于信号处理的故障诊断技术信号处理是轴承故障诊断技术最重要的一部分，通过对采集到的振动信号，识别出其中的故障特征信息进行故障诊断。
现阶段已经发展出很多不同的故障诊断方法，包括功率谱密度分析法、小波分析法、时域统计学方法等等。
这些方法都具备一定的优点，但是由于轴承工作环境的复杂性，单一的方法并不能满足所有情况的诊断需要，需要结合多种诊断方法进行综合分析。
2.基于数据融合的故障诊断技术数据融合是指将来自多个传感器的数据进行集成分析，通过提高故障特征的可靠性和准确性来提高轴承的诊断效果。
目前最常用的数据融合方法是主成分分析（PCA）和独立成分分析（ICA），通过这些方法可以将数据降至低维度，提高故障特征的显著性，从而提高轴承故障的诊断能力。
三、轴承故障预测技术由于轴承的寿命和可靠性直接影响企业的生产效率和经济效益，因此对于轴承预测技术的研究日益受到重视。
轴承的预测技术是通过对轴承状态进行持续监测、分析和预测，及时发现轴承的性能下降趋势并采取有效措施，从而提高轴承寿命和可靠性。
1.基于统计学的预测技术统计学方法主要是通过历史数据和经验知识对未来轴承性能进行预测。
目前最常用的统计学方法是基于时间序列分析的ARIMA模型和基于监督学习的支持向量机（SVM）模型。
这些方法通过对历史数据进行建模和预测，可以有效地预测轴承未来可能出现的问题，提高轴承的可靠性和寿命。
2.基于机器学习的预测技术机器学习是最新的一种预测技术，通过对大量数据进行训练和学习，可以准确地预测未来可能出现的轴承故障。
滚动轴承寿命预测与故障诊断
滚动轴承寿命预测与故障诊断滚动轴承是机械传动系统中常用的一种关键零部件，因其结构简单、可靠性高、运转稳定等特点被广泛应用于工业制造、交通运输、航天航空等领域。
然而，在长期的使用中，由于负载、转速、温度等因素的影响，滚动轴承很容易出现各种故障，严重影响机械设备的正常性能。
因此，预测滚动轴承的寿命并对其故障进行诊断具有极其重要的意义，不仅能够减少机器设备的维修成本，更能提高机器设备的运行效率和安全性。
一、滚动轴承寿命预测的基本理论滚动轴承寿命预测是指通过对滚动轴承在特定工况下的运行情况进行数学模型建立和系统分析，来预测滚动轴承在未来一段时间内的使用寿命。
其基本理论是寿命公式理论，即基于统计学原理，通过对有限数量的试验数据进行分析，来估计大量相似产品的寿命。
该理论最早由Weibull提出，现广泛应用于各种设备的寿命预测中。
滚动轴承的寿命是指在一定的负载、转速、温度等工况条件下，维持基本性能的使用寿命。
通常将运转时间作为寿命评定标准，其评定方法有两种，即L10寿命和L50寿命。
其中L10寿命是指在有10%以上的滚动轴承失败的情况下所需要的运转时间，L50寿命则是指在有50%以上的滚动轴承失败的情况下所需的运转时间。
滚动轴承寿命预测的方法一般有以下几种：1、基于模型的预测法该方法是在通过对相关参数的观测和测量得到大量样本数据的基础上，建立滚动轴承故障模型，对其进行数学分析和计算，从而提出一定的预测理论。
该方法的优点是可以快速准确地预测滚动轴承的寿命，缺点是在模型建立过程中，需要考虑多种因素的影响，模型的建立难度较高。
2、基于统计模型的预测法该方法是通过统计分析大量实测数据，确定影响滚动轴承寿命的关键因素，建立相应的统计模型，并通过多种分析方法，包括生存分析、半参数估计和回归分析等来预测滚动轴承的寿命。
该方法的优点是具有较强的实用性和普适性，但缺点是要求样本数据的质量和数量均较高，在实际操作中要具备较为广泛的背景知识和大量的经验。
中国轴承技术发展现状及未来趋势分析
中国轴承技术发展现状及未来趋势分析中国作为全球最大的轴承生产国之一，在过去几十年中取得了长足的发展。
本文将分析中国轴承技术的现状，并展望未来的发展趋势。
当前，中国轴承技术总体上达到了国际水平，有着一定的市场竞争力。
中国轴承制造企业通过不断引进国外先进技术，并且具备自主创新能力，不断提升产品质量和技术水平。
同时，国家也加大了对轴承行业的支持力度，提供了一系列的政策支持和财政补贴，促进了轴承技术的发展。
在中国轴承技术的发展中，短周期、低成本是当前的主要特点。
中国轴承制造企业通过大规模生产和标准化生产来降低成本，并且短周期生产能够满足市场对轴承产品的需求。
此外，中国轴承技术对环境保护的重视也日益增加，新材料的应用和节能环保的研发成为了企业技术创新的方向。
然而，中国的轴承技术在一些高端领域仍然存在一定的差距。
与发达国家相比，中国在高速、大尺寸、高温、高精度、耐腐蚀等特殊环境下的轴承技术仍然相对落后。
这主要是由于制造工艺和材料的限制，以及缺乏高端技术人才的不足。
因此，中国轴承制造企业需要加大研发投入，加强与国际先进企业的合作，以提高高端轴承技术水平。
未来，中国轴承技术的发展将呈现以下趋势：首先，新材料和新工艺将在轴承制造中得到广泛应用。
随着科技的进步，新材料的研发与应用将成为轴承技术的重要推动力。
典型的例子是陶瓷材料的应用，陶瓷轴承具有重量轻、耐磨、高温等特点，在高速旋转和特殊环境下有着广阔的应用前景。
此外，3D打印技术、表面涂层技术等新工艺的应用也将提高轴承的性能和可靠性。
其次，智能化和自动化生产将成为发展趋势。
随着人工智能和物联网技术的不断发展，轴承制造企业将采用更多的机器人和自动化设备来提高生产效率和产品质量。
智能化生产将改变传统的生产方式，提高轴承制造的精度和稳定性。
第三，高端轴承技术的研发将成为重点。
中国的轴承制造企业将加大对高端轴承技术的研发投入，加强与国际先进企业的合作，引进和吸纳更多的高端技术人才。
轴承研究现状
一、滚动轴承故障诊断技术的发展滚动轴承是旋转机器中的重要零件，在各机械部门中应用最为广泛。
因它具有一系列显著的优点，例如：摩擦系数小，运动精度高，对润滑剂的粘度不敏感，在低速下也能承受载荷。
有些轴承还能同时承受径向和轴向力，但是，滚动轴承也是机器中最易损坏的零件之一。
据统计，旋转机械的故障有30%是由轴承引起的。
所以对滚动轴承的故障监测和诊断一直是近年来国内外发展机械故障诊断技术的重点。
其发展状况如下：·最原始的方法是将听音棒（或螺丝刀）接触轴承座部位，靠听觉来判断有无故障。
虽然训练有素的人能觉察到轴承刚发生的疲劳剥落与损伤部位，但受主观因素的影响较大。
·出现各种测振仪后，可用振动位移、速度或加速度的均方根值或峰值来判断轴承有无故障，这可减少对人为经验的依赖。
但仍很难发现早期故障。
·60年代瑞典一公司发明了冲击脉冲计（Shock Pulse Meter）来检测轴承损伤，既快速、简单又准确，代表仪器是MEPA-10A；SPM-43A。
·70年代日本新日铁株式会社研制了MCV-021A机器检测仪（Machine Checker），可分别在低频、中频和高频段检测轴承的异常信号。
另有油膜检查仪，可探测油膜状况而对其润滑状态进行监测。
·80年代日本精工公司（NSK）相继研制了轴承监视仪NB-1、NB-2、NB-3、NB-4型。
利用1KHZ～15KHZ 范围内的轴承振动信号，测量其RMS值和峰值来检测轴承的故障。
由于去掉了低频干扰，灵敏度有所提高，其中还有报警设置。
随着对滚动轴承的运动学、动力学的深入研究，对轴承的振动信号中的频率成分和轴承零件的几何寸及缺陷类型的关系有了较清楚的了解。
加之，快付里叶变换技术的发展，开创了用频域分析方法来检测和诊断轴承的故障。
以上研究奠定了这方面的理论基础，现已有多种信号处理技术用于滚动轴承的故障诊断和监测。
如频率细化技术、倒频谱、色络谱等，在信号预处理上采用了各种滤波技术，如相干波，自适应滤波等，提高了诊断灵敏度。
滚动轴承故障诊断研究的国内现状与发展方向
滚动轴承故障诊断研究的国内现状与发展方向一、内容综述随着我国工业生产的不断发展，滚动轴承在各个领域得到了广泛的应用。
然而由于长期使用、磨损、过热等原因，滚动轴承故障问题也日益严重，给企业的生产带来了很大的困扰。
因此对滚动轴承故障诊断技术的研究显得尤为重要。
尽管如此我国在滚动轴承故障诊断方面的研究还存在一些不足之处。
首先理论研究相对较少，很多故障诊断方法和技巧还需要进一步验证和完善；其次，现场检测设备和技术水平有待提高，导致很多故障无法得到及时、准确的诊断；缺乏对滚动轴承故障诊断技术的广泛推广和应用，使得许多企业和用户仍然依赖于国外先进的诊断设备和技术。
面对这些挑战，我国滚动轴承故障诊断领域的研究者们正积极探索新的研究方向和发展模式。
一方面加强基础理论研究，提高滚动轴承故障诊断的准确性和可靠性；另一方面，加大对现场检测设备的研发力度，降低故障诊断的成本和难度；此外，还要加强国内外交流与合作，推动滚动轴承故障诊断技术的普及和应用。
相信在我国科研人员的不懈努力下，滚动轴承故障诊断技术将会取得更加丰硕的成果。
1. 研究背景和意义随着我国经济的快速发展，各行各业对机械设备的需求越来越大，而滚动轴承作为机械设备中的重要部件，其性能直接影响到设备的稳定性和使用寿命。
然而近年来我国滚动轴承故障诊断技术的研究和应用水平相对较低，导致很多企业在设备运行过程中出现了大量滚动轴承故障，给企业带来了巨大的经济损失。
因此深入研究滚动轴承故障诊断技术，提高我国滚动轴承故障诊断技术的研究和应用水平，具有重要的现实意义和紧迫性。
首先滚动轴承故障诊断技术的研究和应用可以有效地降低企业的维修成本。
通过对滚动轴承故障的及时、准确地诊断，可以避免因故障导致的设备停机、生产中断等严重后果，从而降低企业的维修成本。
同时滚动轴承故障诊断技术的提高还可以延长设备的使用寿命，进一步降低企业的维修成本。
其次滚动轴承故障诊断技术的研究和应用可以提高企业的安全生产水平。
轴承故障检测技术的研究
轴承故障检测技术的研究【摘要】轴承是各类旋转式机械中最常用的一种零配件，它的正常与否能够直接影响设备的综合性能，因此轴承故障的检测技术研究具有重大意义。
本文围绕轴承故障检测技术的发展现状和轴承故障诊断技术的前景展望两大方面展开讨论，对轴承故障检测技术进行了简单的阐述。
【关键词】轴承；故障检测；智能化一.轴承故障检测技术的发展现状机械故障诊断学可以对及其或者机组的运行状态进行有效识别。
随着科学技术的日益发展，工业水平也不断提高，机械设备的自动化程度也不断提升，要想凭借个人感觉来对机械设备进行故障诊断已经不切实际了。
在第二次世界大战时期，由于军事设备的诊断维修技术落后，导致大量军事设备发生非战斗引起的破坏，由此可见设备故障检测技术是如此重要。
在20世纪60年代以来，半导体技术快速发展，使越来越多的集成电路出现在机械设备中，随着电子技术和计算机技术的更新换代，逐渐出现了数字信号处理和分析技术的分支，为机械设备的故障检测技术打下了良好的基础。
而轴承是在各种旋转式机械中最常用的一种零配件，它的正常与否能够直接影响设备的综合性能，例如精度、寿命、稳定性等。
根据可靠数据显示，在旋转机械常见故障中，百分之三十都是由于轴承故障所导致的。
轴承故障诊断技术最初起源于国外20世纪60年代初，现阶段，该领域相关研究人员对于轴承故障诊断技术的研究主要体现在以下几个方面。
1.时域分析法时域分析法是轴承故障诊断技术发展的起源方法，这种诊断方式主要是依靠相关分析和时序分析等信号提取特征，同时使用振动信号中常见的基本数字特征及概率分布特征实现机械设备的诊断工作。
其中包括均值、有效值、峰值等判定依据。
时域同步平均法在轴承故障诊断中极其常见，它主要依靠信号增强原则，并通过对轴承振动信号的取样，实现对多周期信号的同步平局，以此来得到时域同步平均信号。
该方式的主要优点在于能够有效减少其他零部件或振动源对于信号的干扰，增强信噪比。
2.频域分析法频域分析法主要是通过将时域波形在FFT的变换下转换为频谱图，并利用振动信号的频谱特征实现轴承故障诊断，例如特征频率、无量纲判别因子等，对轴承故障进行深入的检测。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
轴承故障诊断技术及发展现状和前景
摘要
本文分析了轴承故障信号的基本特征,并将共振解调技术的原理和基于振动信号的信号处理方法用于滚动轴承的故障诊断. 在实践中运用该技术手段消减了背景噪声的干扰,提高了轴承的信噪比, 取得了与实际情况完全吻合的诊断结果。
并概述了滚动轴承故障监测和诊断工程与试验应用技术的现状，并预测了滚动轴承故障监测和诊断技术应用新进展和发展方向。
关键词：滚动轴承；共振解调；小波
分析；信噪比(SN R )；变速箱；故障监测；信号处理；故障诊断；应用技术。
1 轴承故障信号的基木
特征
机器在正常工作的条件下其转轴
总是匀速转动的. 由轴承的结构可知,
当轴承某元件的工作而产生缺陷时,
由加速度传感器所测取到的轴承信号
具有周期性冲击的特征，由信号理论
可知, 时域中短暂而尖锐的冲击信号
变换到频域中去时必具有宽频带的特
性, 而非冲击的干扰信号则不具有上
述特性，所以时域中的周期性冲击与
频域中的宽频带特性构成了轴承故障
信号区别于其它非冲击性干扰信号的
基木特征。
2 用共振解调技术提高
轴承信号的信噪比
我们来考察一下用共振解调技术提高轴承信号信噪比的过程。
传感器拾取到的轴承信号包含两部分内容, 即轴承的故障信号和干扰噪声两部分。
带通滤波器的中心频率与传感器的安装片振圆频率相一致, 它将保存被传感器的共振响应所加强了的冲击性故障信号, 滤除掉频率较低的干扰噪声信号, 这种保留下来的瞬态冲击信号经过包络检波器后就形成了一个与故障冲击重复频率相一致的包络脉冲串, 然后对该脉冲串进行普分析便在低频域内得到一个与冲击币复频率相一致的峰值。
峰值的大小反映了冲击的强弱即故障的严重程度这样我们就借助共振解调技术实现了故障信号与干扰信号的分离, 并在低频域内重新得到了故障冲击的信息。
而在常规的信号分析与处理过程中一开始就使用了抗混频滤波器(低通滤波器这种分析方法没有利用轴承故障信号的特点, 经抗混频滤波器后将被传感器的共振以加强放大了的故障特征信号无情地滤除了, 所剩下的只是强大的背景噪声信号及微弱的故障特征信号, 因此用常规的信号分析方法难以排除干扰信号的影响而采用共振解调技术就可以排除背景噪声的干扰, 提高轴承故障诊断的有效率。
3滚动轴承故障监测和故
障诊断技术
机器质量控制与监控诊断专家，已故的屈梁生院士提出了“诊断是以机械学和信息论为依托，多学科融合的技术，本质是模式识别”的学术思想[1]。
故障诊断技术是一门集数学、力学、摩擦学、测控技术、计算机技术、信号处理技术、模式识别技术、人工智能技术、决策科学、信息科学等众多科学技术交叉、融合于一体的现代工程新学科，受到越来越多的重视和关注。
滚动轴承的状态监测与故障诊断就是通过对滚动轴承在各种工况下表现出来的振动、噪声、温度、工作参数、气味、泄漏等信息的监测和综合分析来对其工作状态、故障类型和故障严重程度进行综合评价的过程，主要包括检测试验技术、信号处理技术、模式识别技术和预测评估技术4项基本技术，从而实现检测和发现异常、诊断故障状态和部位、分析故障类型、提出诊断方案和诊断结论的目的。
世界各国都十分重视对大型设备的状态监测和故障诊断工作，积极开展故障机理、故障监测、故障诊断技术等方面的研究和系统开发工作，自从20世纪70年代以来，国外的机械设备状态监测和故障诊断技术已经进入实用化阶段。
我国故障诊断技术经过20多年的发展，从简易诊断到精密诊断，从一般诊断到智能诊断，从单机诊断到网络诊断，逐步走出了一条适合我国国情的发展道路，不论在故障诊断理论和方法上，还是在工程实践及监测诊断产品的研发中，都已经有了一定的基础。
4 滚动轴承故障监测和
故障诊断技术分类
滚动轴承故障监测和诊断理论和方法的研究一直是研究的热点和难点，根据故障监测和诊断技术机理的不同，滚动轴承的故障诊断技术主要有振动诊断技术、油液诊断技术、热诊断（热成像诊断和温度诊断）技术、声学诊断技术、油膜电阻诊断技术、光纤诊断技术等，其中振动诊断技术、铁谱分析诊断技术、热诊断（热成像诊断和温度诊断）技术应用最为普遍。
4.1 振动信号基的故障监测
和诊断技术
基于振动信号的滚动轴承故障监测和诊断技术主要通过对运行过程中轴承振动信号的采集和处理来对旋转机械中滚动轴承出现的疲劳剥落、变形、压痕、局部腐蚀等故障进行监测与诊断，该方法应用广泛，相关理论和实践。
4.1.1平稳信号的监测和诊断技
术
早期的监测和诊断方法主要基于傅立叶频谱分析、时间序列模型的平稳振动信号分析方法。
傅立叶频谱分析是通过查看频谱图中是否有明显的故障频率波峰存在，从而判断轴承是否正常运行，这种方法诊断出来的轴承往往已经有了较严重的损伤，对早期的轴承故障诊断不够灵敏。
如果采集到的信号序列较短或傅立叶变换不能将相互靠近的两个频率分开，则采用时间序列模型分析（也称为参数模型的谱分析），常用的模型有ARMA模型、AR模型、MA模型等。
为了提高信噪比和分析效能，时域平均方法、倒频谱分析、包络分析、数字滤波技术、自适应技术、主分量技术、细化谱技术、双谱技术、全息谱技术等分析技术被不断地充实到故障诊断的理论和方法中。
4.1.2循环平稳信号的监测和诊断技术
循环平稳信号是一种特殊的非平稳信号，其统计特征参量随时间呈现周期或多周期的变化规律，具有循环平稳特性。
基于二阶循环平稳理论的时间平滑周期图法，基于调幅和调频信号模型推导出循环域解调方法，基于谱相关密度提取轴承故障特征信号的方法等都能够有效地提取故障特征信号，有效抑制噪音和干扰信号对调制结果的影响，提高监测的准确性，同时循环平稳分析方法能更加贴切地反映轴承的真实运转情况，较准确地揭示故障的本质特征。
4.1.3 非平稳信号的监测和诊断技术
由于傅立叶变换是信号的全局变换，因此不能够有效地分析非平稳信号。
非平稳信号的局部性能需要使用时域和频域的二维联合表示，对这种信号的分析称为时频信号分析。
Cohen L 的专著详细叙述了时变频谱在时频平面上的分布特性、计算方法、尺度表示以及各种算子问题，孟庆丰等描述了振动信号分析时频域法,证明了时频域法是识别轴承故障的有效方法，黄迪山等改进了Classen 的Wigner 分布算法,克服了由离散计算引起的混叠问题,应用二维、三维Wigner 分布图对轴承故障进行了特征分析，实践表明,短时Fourier 谱和Wigner 分布都能将时域信号变换到时频域,但是对于时变信号,应用Wigner 分布则更为适宜。
小波分析是近年来发展起来的一种时频分析方法，该方法具有时域和频域的局部化和可变时频窗的特点，解决了傅立叶变换等不能解决的许多问题，被称为“数学显微镜”， Sun Q 等采用连续小波变换(CWT)的方法,通过各尺度连续小波变换的简化分析,来识别轴承振动信号中包含的以故障特征频率为周期的周期成分,用来检测轴承运行中的局部损伤故障；Nikolaou N G 等提出了使用小波包变。