采用轴承测量仪测量的产品圆度为一个估计值，与实际值存在误差，对轴承测量仪测量原理及其测量误差进行了分析，举例分析轴承测量仪的各自测量误差，提出了调整和改进方法，采用组合测量调整方案有效控制了圆度测量误差。

介绍了一种新型的滚动轴承表面形貌测量仪，它采用一种全新的能越过陡峭表面的二维位移传感器和垂直扫描三维工作台组成—个闭环控制系统，将传统的触针移动扫描方式改变为工作台移动扫描方式。在测量工件时，二维位移传感器的测量杠杆总是不断地回到平衡位置，因此即使增大量程，由杠杆转动所引起的测量非线性误差也非常小。该仪器不仅可进行二维轮廓测量，还可进行三维形貌测量，具有大量程、高精度、小测量力和更多测量参数等特点。

通过对TL73型圆度仪进行电气系统改造,并增加主轴误差分离系统,可以有效提高仪器的测量精度,满足高精度测量的需要。

介绍了虚拟仪器的概念及软件开发平台LabWindows的功能与特点。运用LabWindows开发了成对轴承凸出量测量的虚拟仪器,并阐明了该虚拟仪器的硬件、软件设计原理和应用实例。

分析了系统检测轴承外径参数的误差产生原因,提出了神经网络算法来处理检测参数误差的方法.并对其结果进行了分析,取得了满意的结果.

基于DSP＋MCU的列车滚动轴承故障诊断系统充分利用了DSP和MCU的信号处理和控制能力，提高了系统的数据处理效率。实验结果表明，该系统通过Hilbert变换法提取出包络信号，利用小波奇异性检测进行故障诊断，取得了很好的效果。

1.5维谱因具有抗高斯白噪声的优异性能而被广泛应用于故障诊断领域,能量算子解调与1.5维谱相结合形成的1.5维能量谱用于轴承故障诊断效果更佳,然而该方法处理低信噪比信号效果不佳。针对强背景噪声下微弱故障特征提取难的问题,提出最小熵解卷积(MED)与1.5维能量谱相结合的诊断方法。先用MED对原始振动信号进行消噪,再对处理后的信号做1.5维能量谱;分析包络谱中的频率成分并与对应故障特征频率相比较,得出诊断结果。仿真数据和多组实测数据均证实了所提方法的有效性和优越性。

针对滚动轴承早期微弱故障在噪声背景下难以提取的问题,提出一种改进的傅里叶分解(IFDM)与快速谱峭度相结合的新方法,用以准确、快速地识别故障特征成分。傅里叶分解法能将故障信号自适应地分解为一系列瞬时频率具有明确物理意义的固有频带函数(FIBFs),类似于经验模态分解产生的本征模态函数,但其缺点在于无法控制所生成的FIBFs数量,如信号本身调制成分太多或受噪声影响太大,则直接运用傅里叶分解算法(FDM)会产生大量无意义的FIBFs,造成大量计算时间浪费,增加数据处理难度。为此,提出一种改进的FDM方法,该方法使用快速谱峭度法对故障信号进行预处理,自适应地确定滤波器的最佳参数及故障所在频带,然后仅在该频带上使用改进的FDM分解,因此在准确提取出故障频率成分的同时极大地减少计算量。对仿真及轴承实际故障信号的分析结果表明,该方法...

针对电机设计的需要,根据滚珠轴承特性、润滑、配合和安装方式,介绍了正确选择滚珠轴承的详细步骤。

滚动轴承故障的识别和监测是基于滚动轴承运行状态的监测信息,借助各种检测仪器和先进的检测技术,判断轴承是否存在故障,判定轴承故障的程度及其发展趋势。文中分别对各种滚动轴承故障的识别方法和滚动轴承故障的诊断方法及其特点进行分析研究。