第二章 滚动轴承的代号

滚动轴承代号是用字母加数字来表示滚动轴承的结构、尺寸、公差等级、技术性能等特征的产品符号。     

请使用滚动轴承新代号

请使用滚动轴承新代号本刊从去年第１２期起采用滚动轴承新代号。作者写稿时应同时列出新旧代号，如６２０４（２０４）轴承，括弧中为旧代号。请作者按ＧＢ／Ｔ２７２—９３、ＪＢ／Ｔ２９７４—９３、ＪＢ／Ｔ６６４０—９３或“滚动轴承新旧代号对照手册”书写轴承代号...     

请使用滚动轴承新代号

请使用滚动轴承新代号本刊从去年第１２期起采用滚动轴承新代号。作者写稿时应同时列出新旧代号，如６２０４（２０４）轴承，括弧中为旧代号。请作者按ＧＢ／Ｔ２７２—９３、ＪＢ／Ｔ２９７４—９３、ＪＢ／Ｔ６６４０—９３或“滚动轴承新旧代号对照手册”书写轴承代号...     

滚动轴承基本类型的分类和代号

二、滚动轴承的代号 滚动轴承的种类、型号繁多,为了便于机械制造等部门对轴承的选择和使用,采用代号来表示轴承的内径、直径系列（外径）、宽度系列、类型、结构特点、游隙系列、精度等级,以及特殊技术要求等。 轴承代号按国家标准GB272-64的规定,由汉语拼音字母及数字二部分组成。轴承代号的表示方法,分为前、中、后三段,见表1。前段表示游隙系列（用数字表示）和精度等级（用字母表示）;后段表示轴承的结构改变和特殊技术要求等（用字母及数字表示）;中段表示轴承型号（用七位数字表示）。若为普通轴承,则只标型号,前后两段省去不写,如表1中例（2）～（4）。如果型号中的左边数字均为0,则亦省去不写。     

面向国际市场修订滚动轴承代号标准

修订后的滚动轴承代号标准具有国际通用的轴承代号系统,有利于促进对外经贸活动和参与国际市场竞争.本文介绍了新、旧轴承代号方法的差异,新标准轴承代号的构成及尺寸系列等.     

滚动轴承动态参数识别

采用柔性悬挂方法测试滚动轴承的机械阻抗,根据滚动轴承的支承形式提出了相应的动车学模型,由该动力学模型和测试得到的阻抗曲线。识别出滚动轴承的刚度和阻尼值,用此法识别得到的滚动轴承动态参数剔除了支承状况的影响,从而使得识别值更符合实际情况,附图6幅,表7个,参考文献5篇     

滚动轴承的物理参数识别

针对滚动轴承的测振状态,建立了一个两自由度振动识别结构的模态参数,避开振型误差较大的缺点,结合实验模型和分析模型,识别出滚动轴承的物理参数。附图5幅,表4个,参考文献4篇。     

滚动轴承附件系列标准的历史演变及代号概况

介绍了滚动轴承附件紧定套、退卸套以及锁紧螺母、锁紧垫圈及锁紧卡等锁紧装置系列标准的历史演变及代号概况,并对相应的国际标准、国外先进标准、国家标准及行业标准的发展变化过程进行了回顾。     

基于IEWT-IDWAE的滚动轴承故障识别

针对噪声导致深度学习识别滚动轴承故障时深层网络收敛速度变慢以及识别率降低的问题,提出一种改进经验小波变换(IEWT)结合改进深层Wasserstein自动编码器(IDWAE)的故障识别模型。首先,针对经验小波变换的过分解问题,提出一种振动信号频谱有效边界划分方法,进而将信号自动分解为不同频段的调幅-调频分量;然后,利用一种新的AM-FM分量筛选指标选择主要分量进行重构,实现对信号的有效降噪;最后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据中间层神经元的激活值对神经元大小进行自动增减以构造IDWAE,将经IEWT降噪后的信号输入IDWAE进行自动特征提取和故障识别。试验结果表明：IEWT-IDWAE在一定程度上缓解了工程人员对繁琐的特征提取和特征选择的依赖,对噪声的鲁棒性高,故障识别率达到了99.57%,标准差仅0.12,故障识别能力优于其他组合模型方法。     

滚动轴承新旧标准代号、类型、标准号比较

滚动轴承分类、代号方法及外形尺寸标准从上世纪60年代初期至今经历了三到四次修订。笔者80年代未大学期间,《机械设计》教课书上仍旧沿用的是1964年标准。估计当时标准化思想远没普及,师生普遍对标准化观念较淡,所以也没有学到当时的新     

基于VMD-SVM的滚动轴承退化状态识别

针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法。该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试。实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性。     

基于分形的滚动轴承故障模式的识别

针对滚动轴承振动信号的特点，从分形原理出发，利用盒维数的概念，对滚动轴承故障产生的非平稳、非线性信号进行了定量描述。试验结果表明，由于滚动轴承不同故障的动力学产生的机制不同，其盒维数明显不同。因此利用盒维数可以准确地识别滚动轴承的故障模式。     

IHIE在滚动轴承损伤识别中的应用

针对滚动轴承的损伤识别精度较低的缺陷,建立基于改进层次增量熵（IHIE）和海鸥算法（SOA）优化极限学习机（ELM）的损伤识别模型。首先,采用IHIE提取滚动轴承的熵值特征,生成故障特征;然后,利用SOA对ELM进行迭代寻优,建立结构最优的分类模型;最后,将故障特征输入至SOA-ELM模型中进行训练和测试,完成滚动轴承的损伤识别。利用两组滚动轴承数据集对该模型进行了实验评估。研究结果表明：该模型能够有效识别滚动轴承的损伤类型和损伤程度,两种数据集的识别准确率分别达到了100%和96.92%,且在多个维度都优于对比方法,具有一定的优越性。     

滚动轴承故障程度识别与诊断研究

通过滚动轴承模拟故障试验台,获取了滚动轴承外圈、内圈和滚动体不同剥落程度时的振动信号,并对故障程度的识别与诊断进行了探索.采用经验模态分解方法对轴承信号进行分解,得到其固有模态分量,然后将前8阶分量的有效值作为特征向量输入BP神经网络,进行故障程度识别与诊断,滚动轴承3种类型不同程度的故障被准确地区分出来.     

基于深度字典学习的滚动轴承故障识别

针对传统滚动轴承故障识别算法存在的特征提取与选择困难的问题,提出了一种基于深度字典学习(DDL)的滚动轴承故障诊断方法.首先,利用传感器采集了不同工况下的滚动轴承故障振动数据,并利用字典学习的稀疏性约束逐层学习了轴承故障数据中的典型结构特征;然后,借鉴深度学习的"逐层特征提取"思想,根据故障样本结构构造了深度故障字典,...     

基于6σ设计的车辆识别代号标示优化

车辆识别代号标示的有效性对车辆的身份识别至关重要。应用6σ设计流程,结合甘特图、质量功能展开、试验设计等思想对一款车辆后备箱进行车辆识别代号标示优化。通过研究,使车辆识别代号标示满足标准要求,为不同车型统一车辆识别代号标示打下了基础。     

基于分段线性分类器的滚动轴承的故障识别

为了解决滚动轴承的特征提取和故障特征的模式分类问题,提出了一种应用小波包变换和线性分类器相结合的滚动轴承故障诊断的识别方法。根据轴承振动信号的频域变化特征,首先对滚动轴承振动信号进行三层小波包分解,提取第三层各个终节点系数的能量作为特征向量,然后将特征向量输入由线性判别式构成的分段线性分类器中进行故障的模式分类和识别,最后在滚动轴承试验台上实测故障。试验表明,分段线性分类器可以有效地识别轴承的故障模式。