以角接触球轴承71807C为例,利用动力学仿真软件Adams分析预紧力对空间角接触球轴承运转的动态特性,通过仿真分析研究不同转速、预紧力对角接触球轴承动力学特性的影响。
通过仿真分析了不同载荷下圆锥滚子轴承的受载状态；文献。分析了柔性支承时轴承的载荷分布及寿命；文献。给出了Timken滚子轴承寿命的计算方法。轴承额定寿命的计算一般采用GB/T24607—2009《滚动轴承寿命与可靠性试验及评定》推荐的简化寿命估算公式，未考虑载荷分布对轴承寿命的影响。鉴于此，分析了联合载荷、纯轴向载荷2种载荷条件下圆锥滚子轴承内部载荷分布情况及最大接触应力，再根据轴承滚子载荷分布情况采用Lundberg和Palmgren等人的寿命理论计算不同载荷分布下轴承的额定寿命。1圆锥滚子轴承的载荷分布计算。1联合载荷圆锥滚子轴承的滚子受力平衡图如图1所示，滚子与内、外滚道和挡边的接触载荷分别为Qi，Qe和Qf，接触角分别为αi，αe，αf。
滚子的受力平衡方程为。Qesinαe-Qisinαi-Qfsinαf=0，。Qecosαe-Qicosαi+Qfcosαf=0。图1滚子受力平衡示意图Fig。1Loadbalancediagramofroller圆锥滚子轴承受力平衡时滚子位置角如图2所示，在位置角为0°位置，轴承接触载荷最大。任意位置角φ处轴承接触载荷为。153Qφ=Qmax1-12ε1-cos()[]φ。11，。式中:ε为载荷分布系数，可以认为是载荷区域在轴承直径上的投影与直径之比，轴承半圈受载时ε=0。5，轴承全圈受载时ε=1，轴承只承受轴向载荷时ε=∞；Qmax为轴承最大法向接触载荷。
图2滚子位置角Fig。2PositionangleofrollerSjovs对计算载荷分布的方程进行了简化，引入径向、轴向载荷积分。轴承径向、轴向外载荷可表示为。153Fr=ZQmaxJr(ε)cosα，。Fa=ZQmaxJa(ε)cosα，。式中:Jr(ε)，Ja(ε)分别为径向、轴向载荷积分；Z为滚子数。根据轴承所受外载荷及Sjovs积分表。154可计算轴承滚子与滚道的最大法向接触载荷及各位置角处的滚子法向接触载荷。
计算过程采用径向载荷积分或轴向载荷积分计算结果差别很小，此处计算采用径向载荷积分，即根据FrtanαeFa(αe为外圈接触角)查积分表得径向载荷积分Jr(ε)，代入。式可得Qmax，再根据。式即可得到轴承内部载荷分布情况。2轴向载荷在纯轴向载荷作用下，轴承受力如图3所示，轴承内圈相对于外圈产生轴向位移δa，每个滚子的接触变形和载荷都相同。，轴承的平衡方程为。134Fa-ZQesinαe=0，(6)则滚子与滚道的最大法向接触载荷为Qemax=Qe=FaZsinαe。(7)图3纯轴向载荷作用下轴承受力示意图Fig。3Loaddiagramofbearingunderpureaxialload。3最大接触应力计算对于大多数圆锥滚子轴承，滚子与内滚道的接触应力要大于与外滚道的接触应力，滚子与内滚道接触椭圆短半轴为。109bi=。35×10-3Qimaxl∑ρ()i12，(8)内滚道的最大法向接触应力为σimax=2Qimaxπlbi，(9)滚子最大接触变形为δmax=。
丁康。提出了一种谱峭度和小波的诊断方法，增强微弱故障特征；周浩。提出基于EMD和峭度的Hilbert包络解调法，分解故障信号；张良。提出了基于多重自相关与包络谱的方法，消除噪声干扰；郭瑜。提出了基于谱峭度的滚动轴承包络分析，用hilbert变换解调故障信号。 以上学者针对滚动轴承故障研究，主要是针对容易安装振动加速传感器的机械设备。对于不易安装振动加速度传感器的机械设备，如高速汽车、列车等，就需要使用声压传感器。
声信号与振动信号类似，但信噪比更低，要识别出故障更加困难。 本文针对不易安装振动加速度传感器的机械设备，采用峭度、绝对值加低通滤波的包络解调、自相关、功率谱密度的方法，来分析滚动轴承声信号。通过轴承试验平台，分析采集到的声信号，识别轴承故障。 1诊断流程 。1诊断系统 一个完整的滚动轴承声信号故障诊断系统主要由滚动轴承故障声源、声压传感器、放大器、PCI总线、PCI采集卡、计算机6部分组成，如图1所示。 。2滚动轴承特征频率 当滚动轴承无故障时，不存在故障特征频率。当轴承中重度磨损时，存在故障特征频率。轴承中度磨损时，其周期冲击的振动频率为数千Hz到数万Hz，其振动频率频带很宽；重度磨损时，振动频率约为数百Hz。滚动轴承参数如图2所示。 图中:vo为外环旋转速度；vc为滚动体(保持架)旋转速度；vi为内环旋转速；wi；wo分别为内外环旋转角速度；d为滚动体直径；α为接触角；Di为内滚道直径；D为节径；Do为外滚道直径。
轴承在无间隙刚性纯滚动的情况下，保持架旋转速度是内外圈旋转速度的平均值。轴承外圈是固定在轴承座上，轴承外圈的旋转速度为0，则内环的旋转角频率为wi=2vi/Di；保持架旋转角频率为wc=vi/D；内环相对于保持架旋转角频率为 本次实验采用圆柱滚子轴承，在内圈上加一个凹坑作为故障特征。当内圈产生故障时，由w=2πf，圆柱滚子轴承接触角为0，根据式。，可推断出故障特征频率为 式中:f为故障特征频率；fi为内环的旋转频率；Z为滚动体个数。
。3诊断方法 由特征频率判断故障，需将时域变换为频域。虽然采集到的声信号是随机信号，但是它含有周期性的轴承故障声信号。 任何周期函数在满足狄利克莱条件下，一定能展开成正交函数线性组合的无穷级数。轴承故障信号是周期信号，能量信号是收敛可积的，一定能进行傅里叶变换。轴承故障信号为功率信号，不满足可积条件，需要借助广义函数理论进行分析[6]。周期信号的傅里叶变换可由式。导出。设信号为x(t)，其周期为T0，基频w0为2π/T0，根据傅里叶级数展开式，有 式中:F为傅里叶变换符号；n为时间序列；w为频率；Cn为傅里叶系数。
然而故障导致的冲击常常被噪声和其它结构振动所淹没，难于直接从原始信号中提取有用信息。共振解调方法在故障冲击激起的共振频率附近进行带通滤波，能够有效去除噪声及其它干扰的影响，进而通过滤波信号的包络谱诊断轴承健康状态，在轴承诊断领域应用极其广泛[1-2]。 常规共振解调用于故障特征提取时，其带通滤波器中心频率和带宽参数选取一般依赖先验知识，容易产生较大误差[3-4]。如Antoni等提出快速谱峭度方法，以1/3-二进分布的有限脉冲响应滤波器(Finiteimpulseresponse，FIR)对整个信号的频带进行划分，并以滤波信号时域峭度最大的频带作为最优带通滤波频带。Lei等以小波包分解替代Kurtogram中的FIR滤波器，提出了一种改进的谱峭度方法[6]。Tse等在Lei的基础上以小波包节点信号的包络谱稀疏度作为评价指标，提出了一种称为“Sparsogram”的共振频带优化方法[7]。
Zhang等以滤波信号的相关峭度为评价指标，结合1/3-二进滤波器组和小波包分解，提出了两种改进的最优带通频带选择方法[8-9]。 上述文献以1/3-二进滤波器组或小波包对信号进行分解，具有运行效率高的优点。但其信号频带划分略显粗糙，候选频带数量有限，难于保证获得信噪比最强的滤波频带[10]。为此，许多增加候选频带数量的方法相继被提出。如Lin等[11]考虑到齿轮箱中故障冲击响应波形与Morlet小波相似，提出了基于Morlet小波的自适应小波滤波方法，并以滤波信号峭度最大作为小波滤波器参数优化准则。其在优化过程中，控制小波函数中心频率和带宽的两个参数的取值范围分别离散为40和30个点，因此总共有1200个候选频带。Bozchalooi等[12]提出以滤波信号包络的平滑度指标(Smoothnessindex)最小作为Morlet小波滤波器参数优化目标，其中小波中心频率和带宽参数的候选值分别有117和100个，共有11700个候选频带值。
