1.了解滚动轴承的构成、结构特点和类型。 2.了解滚动轴承的代号规定,能识别最一般的代号。 3.了解滚动轴承的失效形式,能根据失效作出正确的分析。 4.能根据使用要求正确选用滚动轴承

针对滚动轴承故障振动信号的特点,考虑变分模式分解在复杂信号分解及微积分增强能量算子在瞬态成分检测方面的优势,提出基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断方法.首先利用变分模式分解将复杂信号分解为多个本质模式函数,以削弱背景噪声的影响和满足能量算子对信号单分量的要求;然后根据提出的敏感分量选取原则,从本质模式函数中选出包含主要故障信息的本质模式函数为敏感分量;最后利用微积分增强能量算子强化敏感分量中的瞬态冲击,并根据敏感分量瞬时能量的时域波形及Fourier频谱诊断滚动轴承故障.分析结果表明该方法能够有效诊断滚动轴承故障

振动信号的周期性冲击及其重复频率是滚动轴承故障诊断的关键.本文提出了一种基于集合经验模式分解和交叉能量算子提取滚动轴承故障特征的方法.首先,应用集合经验模式分解方法将振动信号分解为本征模式函数以满足交叉能量算子对信号单分量的要求.然后根据相关程度和峭度从本征模式函数中选取敏感分量,计算敏感分量和原始信号的瞬时交叉能量及其傅里叶频谱.最后根据交叉能量的频谱结构和特征频率识别轴承故障.通过分析滚动轴承故障仿真信号和实验测试信号,诊断了滚动轴承元件故障,验证了该方法的有效性

针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的三种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的三种故障,且具有很高的故障诊断正确率

一、滚动轴承的主要类型及其代号 二、滚动轴承类型的选择 三、滚动轴承类型的工作情况 四、滚动轴承尺寸的选择 五、轴承装置的设计

7-1滚动轴承的特点及类型 滚动轴承是标准件,由专业轴承厂集中生产。故学习本章的目的主要解决三个问题: 1、如何选择滚动轴承的类型; 2、滚动轴承的寿命计算;

1、滚动轴承的分类; 2、滚动轴承的精度等级; 3、滚动轴承的内、外径公差带的特点; 4、滚动轴承的配合的选择;

一、滚动轴承的类型及代号 二、滚动轴承的寿命计算 三、滚动轴承组合设计

将分形维数用于刻划滚动轴承在不同故障状态下表现的非线性行为,进而对轴承的运行状态进行判别.实验结果表明,滚动轴承振动信号在不同运行状态下的分形维数是不同的,可以将分形维数做为识别滚动轴承故障的特征量

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; 3.重点掌握滚动轴承的装置设计方法;