R系列減速機神經網絡故障識別系統。R系列減速機神經網絡作為種自適應的模式識別技術，并不需要預先給出有關模式的經驗知識和判別函數，它通過自身的學習機制自動形成所要求的決策區域。齒輪減速機網絡的特性由其拓撲結構、神經元特性、學習和訓練規則所決定。R系列減速機可以充分利用狀態信息，對來自于不同狀態的信息逐進行訓練而獲得某種映射關系。而且齒輪減速機網絡可以連續學習，如果環境發生改變，這種映射關系還可以自適應地進行調整。
因此，R系列減速機神經網絡由于自身的特性，在故障模式識別領域中有著越來越廣泛的應用。下面以單隱層BP網絡為例，介紹基于神經網絡的故障診斷的方法和特點。其中，網絡的輸入結點對應著故障征兆，R系列減速機輸出結點對應著故障原因。先利用組齒輪減速機故障樣本對網絡進行訓練，以確定網絡的結構(中間層的傳遞函數和神經元數目)和參數(神經元之間的連接權值和閾值)。網絡訓練完畢后，R系列同軸減速機故障的模式分類就是根據給定的組征兆，實現征兆集到故障集之間的非線性映射的過程。利用神經網絡進行故障模式識別具有以下特點：
(1) 可用于系統模型未知或較為復雜的系統模型；
(2) R系列減速機兼有故障信號的模式變換和特征提取功能；
(3) 對系統含有不確定因素、齒輪減速機噪聲及輸入模式不完備的情況下不太敏感；
(4) 可用于復雜多模式的故障診斷；
(5) 可用于R系列減速機離線診斷，也能適應實時在線監測的要求。
先，R系列減速機基于定數量的訓練樣本集(通常稱為“征兆－故障”數據集)對神經網絡進行訓練，得到期望的診斷網絡；其次，根據當前診斷輸入對系統進行診斷。診斷的過程即為利用神經網絡進行前向計算的過程。在學習齒輪減速機和診斷之前，通常需要R系列減速機對診斷原始數據和訓練樣本數據進行適當的處理，包括齒輪減速機預處理和特征選取(提取)等，目的是為診斷網絡提供合適的診斷輸入和訓練樣本。此外，盡管神經網絡和傳統的故障診斷是兩種不同的診斷方法，但兩者是緊密聯系在起的。如采用齒輪減速機小波分析等數據處理方法，可以為神經網絡診斷提供可以利用的特征向量。故障診斷中常用的是振動信號，故障R系列減速機反映的振動信號是減速機故障診斷的主要信號來源，其中包含有各種信號。它是分析、診斷R系列減速機工作情況的主要的依據。有必要對其進行分離及分類識別。利用神經網絡的方法，也可以對異常信號進行識別，識別過程般包括以下幾個步驟：
(1) 信號提取：先對信號包絡，然后根據齒輪減速機包絡后的各個凸包區來選取各個有效信號。
(2) 信號處理：分別采用時域、頻域、參數建模和齒輪減速機小波變換等不同的方法信號進行預處理。/Products/r67jiansuji.html

本文鏈接:http://m.thfhfh.com/list_16/4863.html