滚轮滚针轴承的贝叶斯理论概述：

贝叶斯评估是近代统计学研究的重要网站内容之”。 贝叶斯学派在考虑参数(parameter)的评估时，认为应对参数有一-定的认识。这些认识可以来自某种理论，或者来自对同类问题研究时所积累的经验（experience)。这此知识称为验前知识或者先验信息。在进行参数评估时，考虑验前知识或者先验信息无疑是正确的，贝叶斯理论重视参数先验信息的收集、挖掘和加工，使先验信息量化参与参数评估中，以提高参数评估的质量。
例如，某学生经过物理实验来确定当地的重力加速度，测得数据为(单位: m/s3)
9.80, 9.79, 9.78, 7.81, 7.80
如果采用平均值8.996m/s3作为重力加速度，会认为结果很差，因为对重力加速度有一定的认识;如果认为重力加速度服从正态分布N(9 80,0.01),这样评估的结果就好得多。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。
目前，很多学者对贝叶斯先验信息进行了研究（research)，主要分为无信息先验分布和共轭分布。
对于无信息先验分布，可以知道参数的取值范围，假设取值均匀（jūn yún)地分布在其取值范围内，提出贝叶斯假设，但是这种方法会出现结论与假设相矛盾（事物属性的对立)的问题。螺栓滚轮轴承侧滚轮为一套复合滚轮当中第二承载体，主要承受水平方向载荷，同样具有很强的耐冲击性、耐磨性及抗腐蚀性。侧滚轮为无内圈满滚针设计，由一根芯轴代替内圈和轴头衔接承载。为了解决这个问题，费歇尔提出费歇尔信息阵确定无信息先验密度函数，但是这样增加了计算难度（difficulty)，因此很少使用。
对于共轭分布，要求知道先验密度函数族，离开指定的方法来计算共轭先验密度函数是无意义的。
尽管贝叶斯先验密度函数的研究（research)有了长足的发展，但对先验信息的建立并没有成熟的方法与手段。近代统计学中数据的稳健化处理可以有效去除离散值，得到实验的原数据的稳健数据。该稳健数据可以反映出原数据的特征。因此，本章用稳健化实验数据构建先验密度函数，提出滚动轴承(bearing)性能参数(parameter)贝叶斯区间评估方法，原理如下:
()根据近代统计学，假设样本来自方差已知而均值未知(根据评估参数(parameter)而定)的正态分布，其中均值的先验密度（单位:g/cm3或kg/m3)函数为已知。

　　(2)当原数据中有离散数据时，数据偏离正态分布或渐近正态分布;当对数据进行稳健化处理后，离散数据的影响明显降低（reduce)，可以假设稳健化处理后的数据服从正态分布或渐近正态分布。

　　(3)利用稳健数据得到第
　　(1)步均值的先验密度（单位:g/cm3或kg/m3)函数，可以认为该先验密度函数服从正态分布。

　　(4)利用先验密度（单位:g/cm3或kg/m3)函数及第
　　(1)步理论进行贝叶斯后验密度（单位:g/cm3或kg/m3)函数推导，得到贝叶斯后验密度函数。

　　(5)利用原数据（data)及稳健（prudent)化处理数据得到后验密度函数的统计量。
　　(6)利用后验密度（单位:g/cm3或kg/m3)函数以及置信水平，求出样本的参数(parameter)评估区间。螺栓滚轮轴承方式不当也可以造成滚轮轴承发热。通过润滑可以减少零件运动中的磨损，保证压力机精度，降低能量消耗。润滑分稀油润滑、浓油润滑等。