滚动轴承(bearing)参数估计可以清晰、准确地评估数据特征,在数据静态评估方面有很大的优越性。常用的参数估计主要有矩估计和极大似然估计，是近代统计学中重要的数据分析(Data Analysis)(Analyse)方法。然而，参数估计要求数据中无污染数据，也就是没有离散值。如果有离散值出现，即使很少，参数估计的效果也会大大降低（reduce)，甚至出现错误。矩估计需要知道数据分布类型、原点矩或者中心矩收敛，但有些情况下，数据的矩是不存在的;极大似然法要求数据分布类型已知并求出极小值，但在一些情况下无法直接求出极小值，需要借助其他方法，增加计算的难度。
非参数(parameter)估计是近代统计学中重要的分析(Analyse)方法之-一，适用于小样本、无分布样本、污染样本、混杂样本，在数据（data)评估中占有很重要的位置（position )。滚轮轴承外圈采用外圈壁较厚的满装圆柱滚子轴承，滚轮的外径面有圆柱形和弧形，可根据使用场合设计来与滚道面配合。利用这种外圈，滚轮可以直接在滚道上滚动，并可以承受较重负荷和冲击负荷。常用的非参数估计主要有符号估计、秩估计、柯尔莫哥洛夫估计和斯米尔诺夫估计等。例如，符号估计法可以估计两个总体的差异性与个 总体的时序差 异性等问题;秩估计法可以估计两个总体的位置分布，以反映总体差异的特点;柯尔莫哥洛夫估计法可以分析一个总体数据与标准分布的差异性;斯米尔诺夫估计法可以反映两个总体是否属于相同分布的问题。虽然非参数估计对数据要求不高，但其评估结果很模糊、粗糙，且数据本身的特点没有体现。
结合参数(parameter)估计和非参数估计的特点可以看出，在参数估计与非参数估计方法中，单独采用任何一种评估方法， 都很难对数据（data)做出有效、正确的评估。滚轮轴承组合滚轮轴承由主滚轮、侧滚轮、轴头和盖板组成。该轴承为密封结构，充填润滑脂，提供长期有效润滑，用户可免润滑。对于使用工况恶劣的可设计补充润滑脂的通道，提高轴承使用寿命。从数据评估的角度（angle)看，参数估计无论是矩估计还是极大似然估计，每个数据对评估结果贡献大小不同，大数据对评估结果影响较大，小数据对评估结果影响较小。例如，在矩估计中，数据平均值（The average value)是数据线性组合，可以看出离散数据比其他数据对评估结果的影响要大得多;数据方差值是数据与平均值差的平方组合，可以看出离散值比其他数据对评估结果的影响更大。而非参数估计把每个数据对总体的影响同等对待，可以弱化离散数据对评估结果的影响。为此，本书融合参数估计与非参数估计的优点，提出参数与非参数融合方法对数据进行分析，以挖掘（excavate)更多的数据信息，更有效地对数据进行评估。
根据参数(parameter)估计中矩估计的特点，以稳健（prudent)数据（data)作为评估对象，将平均值（The average value)及标准差作为数据的工作性能及灵敏性能，二者属于评估数据基本特征的性能指标（target aim);使用符号法分析样本容量相同的两个样本总体的差异，二者的差异反映两个样本总体的时序特征;使用秩和法分析两个样本总体的位置（position )分布，体现两个样本的状态特征;用基本特征、时序特征、状态特征构建参数与非参数融合评估体系，可以从小批量产品中选出综合性(integrity)能优的产品。复合滚轮轴承作为复合滚轮和机器设备连接的部分，通常轴头头部设计为倒角，方便安装，可直接将轴头接焊接在设备上，也可将轴头焊接在带有圆孔的连接板上再将连接板和设备组装。