传统的轴承故障诊断方法有时域，频域，时频域等方法，从今天开始写一下这些传统方法。
时域指标作为最传统的信号分析方法，有独特的使用优势，同样采样数据驱动的机器学习方法时，也可以利用这些统计量作为样本进行判断学习。
查看文献你会发现说的最多的是有量纲和无量纲的指标，量纲是什么，就是单位，比如加速度传感器数据，采集到的信号单位m/s2，那么指标最大值，单位仍未m/s2，即为有量纲的指标，而部分存在比值计算等运算的指标，单位没有了，成为了无量纲指标，下面从matlab程序角度介绍下这些指标。
1、最大值，信号的最大量maxz = max(y); 体现了信号的振动幅度；
2、最小值，一般振动加速度采集到的有正有负，其实是负最大值
minz = min(y);
3、平均值，主要体现了信号有无趋势项，mean = mean(y);
4、绝对平均值，体现了信号的能量，meanaz = mean(abs(y)) ;
5、方差和标准差，体现了信号的离散程度，varz= var(y);
stdz = std(y);
6、峭度，最能体现信号变换的四阶矩，kurtz = kurtosis(y); 一般以3为划分故障的标准
7、均方根值，信号冲击性特点的体现，rmsz = rms(y);
8、波形因子,仍体现信号的冲击性,bx = rmsz/meanaz ；
还有许多指标可用，利用这些指标可以初步分析轴承状态，也可用于进一步的分析使用，如神经网络应用故障分类学习，支持向量机分类学习等等，下面分享一张BP利用时域指标分类的图作为结尾篇，欢迎大家留言交流。
