深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

提出了一种将滚动体模拟成非线性弹性支承的新方法。它考虑了轴承系统的变形。当轴承座较薄弱时,压力常呈双峰分布

1、滚动轴承的组成 外圈1、内圈2、滚动体3、保持架4 2、特点(与滑动轴承相比)

针对轴承钢中钙铝酸盐大型夹杂物的控制问题,通过计算GCr15轴承钢中尖晶石MgO·Al2O3、钙的铝酸盐CaO·6Al2O3夹杂物生成热力学,分析精炼渣成分与夹杂物类型之间的定量关系.结果表明:当钢水中含有质量分数0.10×10-6的溶解钙[Ca]时,只要溶解镁[Mg]质量分数小于10×10-6,MgO·Al2O3就会被[Ca]还原成CaO·6Al2O3;当精炼渣碱度为7.04,（MgO）质量分数为1.38%时,钢水中溶解[Mg]质量分数比临界[Mg]质量分数低56%,夹杂物以尺寸大于10μm的CaO-Al2O3系复合夹杂为主;当精炼渣碱度为3.75,（MgO）质量分数3.14%时,钢水中溶解[Mg]质量分数比临界[Mg]质量分数低14%,夹杂物以尺寸小于8μm的MnS包裹MgO·Al2O3复合夹杂为主;当精炼渣钙铝比C/A为1.82.0时,控制精炼渣碱度R为4.55.5,（MgO）质量分数为3%~5%,即能使钢中MgO·Al2O3保持稳定而不转变为CaO·6Al2O3

4.1 铝及铝合金 4.1.1 纯铝 4.1.2 铝合金概述 4.1.3 变形铝合金 4.1.4 铸造铝合金 4.2 铜及铜合金 4.2.1 纯铜 4.2.2 铜合金 4.2.3 黄铜 4.2.4 青铜 4.2. 5 白铜 4.2.6 铸造铜合金 4.3 镁及镁合金 4.3.1 纯镁 4.3.2 镁合金 4.4 钛及钛合金 4.4.1 纯钛 4.4.2 钛的合金化 4.4.3 钛合金的热成型 4.4.4 钛合金的热处理 4.4.5 常用加工钛合金的特性及应用 4.4.6 铸造钛及钛合金 4.5 轴承合金 4.5.1 工作条件及性能要求 4.5.2 滑动轴承合金的分类与牌号 4.5.3 常用的滑动轴承合金

研究了轴承钢生产中各因素对钢中D类夹杂物形成的影响.对国内某特殊钢厂轴承钢中夹杂物进行了检验分析,发现钢中D类夹杂物存在多种形式;通过感应炉重熔实验,发现钢中Al含量对夹杂物的影响很大,Al过量,在MgO炉衬条件下,会大量生成MgO·Al2O3;当钢中Ca含量较高时,夹杂物全部变性为球状钙铝酸盐.研究表明,控制钢水中Ca、Mg和Al成分,是控制D类夹杂的重要手段.通过工厂试验证明,特定炉渣改性和成分优化对D类夹杂物有一定的改善作用

1．了解滚动轴承的分类，结构、类型、代号； 2．掌握滚动轴承选择的方法，能进行寿命计算等；

针对某2250热连轧R2轧机轴向力过大导致传动系统的主电机轴承座和水平轴轴承座移位事故的问题,研制了轴向力在线监测系统并对轴向力进行长期在线监测.从理论上剖析了轧机轴向力生成的主要原因并进行了计算机仿真研究和探讨,得出轴向力的大小与辊系交叉角密切相关.通过减小辊系轴承座与牌坊之间的间隙来控制交叉角的大小,从而可以有效地减小轧机轴向力,这一结果得到现场实验验证

建立了一种考虑影响气膜厚度误差、圆度和圆柱度误差的气膜厚度分布综合表达式,考虑加工误差对气体静压径向轴承的影响,进行了气体润滑有限元分析.分析表明:圆度和圆柱度误差对轴承的承载能力影响不大:气膜厚度误差为平均气膜厚度的5%时,承载能力变化约为10%

1．会选用滑动轴承的结构和材料； 2．掌握非液体摩擦滑动轴承的设计 计算；