錐齒輪減速機(jī)電機(jī)一體式小波分析結(jié)合。在故障診斷領(lǐng)域，多采用小波分析和神經(jīng)網(wǎng)絡(luò)的疏松型結(jié)合方法。錐齒輪減速機(jī)小波網(wǎng)絡(luò)技術(shù)充分的利用了小波包完全分解的特性和神經(jīng)網(wǎng)絡(luò)在智能識別方面的上風(fēng)，通過將從故障錐齒輪減速機(jī)上采集到的振動信號進(jìn)行小波包分解，提取能反映自鎖減速機(jī)故障信息的小波包分解系數(shù)或小波包分解誤差值，將其作為特征向量輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行智能識別來對齒輪減速馬達(dá)進(jìn)行故障監(jiān)測和識別。如經(jīng)由3層分解，迫臨部門譜線數(shù)將降為原來的1/8，即64條。Fourier變換的頻譜譜線非常豐碩，它們譜線值的組合能反映故障的特征，因此可以作為神經(jīng)網(wǎng)絡(luò)的特征輸入向量。齒輪減速馬達(dá)故障診斷系統(tǒng)的練習(xí)a和實測(b)數(shù)據(jù)驗證流程圖。這種方法在減速機(jī)運(yùn)行工況的模式識別領(lǐng)域具有廣闊的應(yīng)用遠(yuǎn)景。齒輪減速馬達(dá)小波神經(jīng)網(wǎng)絡(luò)通過上述兩種途徑的結(jié)合，形成了廣義上的兩種齒輪減速馬達(dá)小波神經(jīng)網(wǎng)絡(luò)。該迫臨部門譜線數(shù)減少，但螺旋錐齒輪減速機(jī)仍留存了原頻譜的主要特征。這對齒輪減速馬達(dá)旋轉(zhuǎn)機(jī)械來說將極大簡化輸入特征向量的提取。其中第2種類型的小波神經(jīng)網(wǎng)絡(luò)，即狹義上的小波神經(jīng)網(wǎng)絡(luò)，主要用于對非平均性數(shù)據(jù)對的迫臨。為小波包分解系數(shù)作為網(wǎng)絡(luò)特征量輸入的神經(jīng)網(wǎng)絡(luò)模式分類模型示意圖，圖中輸出層模式暫定為正常狀態(tài)，稍微磨損，嚴(yán)峻磨損3種狀態(tài)。

錐齒輪減速機(jī)疏松型結(jié)合：即小波分析作為神經(jīng)網(wǎng)絡(luò)的前置處理手段，為神經(jīng)網(wǎng)絡(luò)提供輸入特征向量;目前錐齒輪減速機(jī)小波分析和神經(jīng)網(wǎng)絡(luò)結(jié)合的途徑主要有兩種：本文提出小波包能量特征的思惟，將采集到的減速機(jī)振動信號進(jìn)行小波包分解，通過分析觀測信號在錐齒輪減速機(jī)小波包某分解層次上不同時頻分辨空間中的能量分布，進(jìn)行減速機(jī)運(yùn)行狀態(tài)的特征提取，對提取的特征用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行故障識別、分類，得到故障分類類型，從而建立起齒輪減速馬達(dá)運(yùn)行狀態(tài)的實時監(jiān)測體系。這時可以用小波分析中的多分辨率技術(shù)，把Fourier頻譜在定標(biāo)準(zhǔn)上分解為離散迫臨部門和若干離散細(xì)節(jié)部門。神經(jīng)網(wǎng)絡(luò)理論及其在減速機(jī)故障診斷模式識別上的應(yīng)用，結(jié)合例子說明神經(jīng)網(wǎng)絡(luò)方法在減速機(jī)故障診斷工作中的可行性，指出了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在齒輪減速馬達(dá)故障模式識別上的長處與不足，并提出了錐齒輪減速機(jī)小波神經(jīng)網(wǎng)絡(luò)的概念和其上風(fēng)。錐齒輪減速機(jī)緊致型結(jié)合：小波和神經(jīng)網(wǎng)絡(luò)直接融合，即用小波函數(shù)和標(biāo)準(zhǔn)函數(shù)形成神經(jīng)元。但齒輪減速馬達(dá)若有512條譜線，則需512個輸入節(jié)點，顯然使網(wǎng)絡(luò)的結(jié)構(gòu)過于龐大。把小波分析中的多分辨率技術(shù)和Fourier頻譜技術(shù)結(jié)合起來，也可認(rèn)為錐齒輪減速機(jī)神經(jīng)網(wǎng)絡(luò)提供種輸入向量。http://www.ktcoic.com/product/list-zhijiaojiansuji-cn.html