对插入锚定密封的弹性爪结构在插入封隔器过程中的插入力进行了理论分析,并将该受力结构简化为一端固定非端部受集中载荷的悬臂梁模型,通过对该模型的力平衡方程求解,建立了弹性爪插入力求解的理论计算公式。对理论公式参数化分析,优选了弹性爪的插入角、插入挠度参数,结合对弹性爪长度、爪厚度、爪切槽宽度等参数,使用Workbench参数化设计方法,得到不同弹性爪结构的弹性爪插入力、最大等效应力;结合弹性爪金属材料的最小屈服强度参数,选择弹性爪长度为142 mm、爪厚度为4.5 mm、爪切槽宽度为20 mm的弹性爪结构为最优设计方案。对优化后的弹性爪结构的插入力进行了实物测试验证,测试结果与FEA分析结果接近,表明优选的弹性爪结构是满足设计要求的。

针对不同状态滚动轴承振动信号之间的时域波形和幅值谱差别不大,难以判断轴承的运行状态,提出基于自适应噪声的完备经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）排列熵和最小二乘支持向量机（least square support vector machine,LS-SVM）的轴承状态分类方法.首先,该方法将采集的轴承振动信号分成一定数目的训练样本和测试样本.然后,对每个样本信号进行CEEMDAN分解,得到多个内禀模态分量（intrinsic mode functions,IMF）,并计算每个样本信号前几个IMF分量的排列熵,将其作为输入LS-SVM分类器中的特征向量.最后,利用LS-SVM分类器对轴承状态进行分类与识别.将该方法应用于4种不同状态轴承的分类中,并与基于原始振动信号排列熵的LS-SVM轴承状态分类进行对比.结果表明：该方法总的分类准确率从后者的62.5%提高到98.75%,有效地证明了本文方法的...

齿轮振动信号常表现出明显的非线性和非平稳特征.为有效提取齿轮振动信号的特征信息,将自适应信号分解方法-局部均值分解用于齿轮振动信号的分析.使用局部均值分解对三种状态的齿轮振动信号进行分解,得到一组PF分量,并对PF分量进行频谱分析.分析结果表明,局部均值分解完成了对齿轮振动信号的有效分解,各PF分量的幅值谱获得了不同状态齿轮振动信号的特征谱线,实现了对齿轮状态特征的准确提取.