船舶水润滑尾轴承动态接触过程有限元仿真分析，戴明城，，船舶水润滑尾轴承在低速、重载等恶劣工况下常处于混合润滑或边界润滑状态，由此产生的异常摩擦磨损往往会导致尾轴承失效。结合实

该轴承手册主要方便用于机械制造中选用轴承型号时的查询

轴承型号大全及用户手册 软件

滚动轴承故障的特征频率 D — 节圆直径 d — 滚珠直径  — 接触角 z — 滚珠数 R — 轴的转速频率 d D  外环故障频率 内环故障频率 滚珠故障频率 保持架碰外环 保持架碰内环

该功能可用于恒速运行的滚动轴承的基于振动的故障诊断。 这是一个三步程序： (i) 倒谱预白化：减少齿轮等其他周期源的贡献。 (ii) 带通滤波：提高 SNR，尤其是在系统谐振附近执行时(iii) 平方包络谱：允许检测以特定循环频率的大分量为特征的（伪）循环平稳贡献此功能与简单的演示一起提供，它与 Octave 完全兼容。 参考文献：Borghesani P. 等人，倒谱预白化在变速条件下轴承故障诊断中的应用，MSSP，2013 年。

针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题，提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分：在信号特征提取部分，对采集的滚动轴承振动信号进行小波包分解，得到各子频带能量及信号总能量，经归一化处理后获得表征滚动轴承状态的特征向量；在故障类型识别部分，通过粒子群优化算法优化BP神经网络的初始权值和阈值，以加速网络收敛速度，避免陷入局部极小值。实验结果表明，该方法提高了滚动轴承故障诊断效率和准确率。

轴承设计选型软件，包括滑动轴承和滚动轴承

支持向量机(Support Vector Machine 简称SVM)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。

首先根据 Harr 小波理论，给出基于 Harr 小波的信号分解与重构算法；然后根据轴承元件之间滚动接触的速度关系建立的方程，求得滚动轴承的特征频率。

RUL来自振动信号 问题：要预测轴承在工业资产（如泵，压缩机，变速箱等）中的剩余寿命，请查看支持文件。 参考研究论文：ANN泵寿命预测.pdf 有关数据，请联系： 可交付成果： •显示RMS和峰度的图形•Weibull危险率和参数估计（形状和比例参数） 培训和验证集的结果 •测试仪的输出性能 •建议模型的训练和验证错误（如参考研究论文所示） •多传感器融合的想法，可以实际预测整个旋转设备的剩余用途