振动检测方法中的时域诊断方法是发展最早的一种检测方法。如果单从时域波形上直接观察分析，往往很难看出轴承状态是否正常，有无故障的性质部位等。为此，在时域诊断中，普遍采用振动信号的基本数字特征及其频率分布特征来进行分析和诊断。应用比较广泛的有：振动信号的平均值、均方根值、方差、概率密度函数、概率分布函数、互相关函数以及峰值因子、峭度系数等无量纲特征参数。通过对振动信号时域波形的分析和识别，可以有效地判断设备的故障。这一方法可以弥补其他方法的一些不足。在检测和诊断实践中，将它与其他诊断方法结合，可大大提高故障诊断的可靠性和准确性。因此，对时域波形的研究是十分重要和必要的。
一般来说，正常运行状态与故障状态下的机器的输出信号和各频带成分是把不同的，在这种情况下，通过分析机器结构和实效机理可找出机器的特征频率，根据这些频率分量的变化确定故障是否发生直至找出故障原因。基于这一点，利用“小波包分解+时域分析的故障识别”成为一种比较实用的诊断方法，该方法首先对振动信号进行小波包的分解，通过对某一尺度上各频带内的分解系数重构，在每个分节点上构成新的时间序列，对这些时间序列分别作时域分析，计算机时域参数指标，通过分析时域参数指标来判断故障是否发生并找到故障发生的原因。汪庆年利用小波分解外圈故障滚动轴承的振动信号，通过对时域波形的分析找到故障特征，进行故障诊断。谢培普利用小波包对内圈故障滚动轴承和外圈故障滚动振动轴承的振动信号进行分层，并求出每一层的峭度值，利用BP网络进行轴承的故障诊断。
1.7 故障诊断分类
随着故障诊断技术的不断发展和创新，近年来又出现了一些比较新颖的方法，如基于Petri网的故障诊断方法、基于支持向量机的故障诊断方法和基于数据挖掘的故障诊断方法和基于数据挖掘的故障诊断方法等。开展动车组转向架轴承可靠性分析与故障诊断的研究,对保证运营安全、提高文修效率和避免不必要的损失等都具有重要的意义。 动车组转向架轴承故障诊断+源程序(5):http://www.youerw.com/tongxin/lunwen_14171.html