VEMTE致力于打造節(jié)能環(huán)保電機減速機電機
錐齒輪減速機運行狀態(tài)與信號。錐齒輪減速機故障診斷技術的發(fā)展使得減速機運行狀態(tài)的監(jiān)測與診斷技術獲得了很大的發(fā)展。齒輪減速馬達的故障診斷技術主要對減速機的關鍵零部件展開的。就內的研究狀況而言，已有不少的科研院所對錐齒輪減速機等部分實施了故障診斷方法和技術的研究，而且設計出了些診斷儀器。用于齒輪減速馬達的修理部門及生產線上的產品質量檢測。總的來說，大部分研究主要是理論上的探討，方法并不十分先進。
因此，錐齒輪減速機的故障診斷技術需要種適合的先進的方法。在齒輪減速馬達故障診斷的各種方法中，振動診斷方法常用。由于錐齒輪減速機在運行過程中都不可避免的產生振動，而振動是其本身動力學特性的表示，于是根據(jù)錐齒輪減速機振動信號的分析與處理，不必對減速機進行解體，便可以得到其的運行狀態(tài)，得到齒輪減速馬達系統(tǒng)零部件由于磨損、疲勞、老化等原因引起的狀態(tài)變化信息，并由此識別齒輪減速馬達或其內部零部件的故障。因此，相對于其他故障診斷方法而言，振動診斷方法簡便易行，是目前工程中使用的主要方法。由于大部分錐齒輪減速機的故障都發(fā)生在振動的能量增大之后，所以，振動能量分析法是振動診斷方法中常用的手段。新發(fā)展起來的小波時頻分析理論及神經網絡理論，由于其優(yōu)越的時頻特性在齒輪減速馬達的振動診斷中有著良好的應用前景。齒輪減速馬達運行時產生的振動信號對其進行狀態(tài)監(jiān)測及故障診斷，提取其振動信號中的特征向量及進行故障模式識別。狀態(tài)監(jiān)測主要通過信號時域分析進行，特征向量提取主要應用小波理論進行，故障模式識別主要應用神經網絡進行。
(1) 實驗測取故障錐齒輪減速機的振動加速度信號，作為對減速機各個運行狀態(tài)振動信號進行數(shù)據(jù)處理與信號分析的根據(jù)。
(2) 較為詳細的分析了齒輪減速馬達的振動特性，建立減速機的數(shù)學力學模型，并從齒輪減速馬達結構上來分析產生振動的原因并給出其合理的解釋。
(3) 對振動信號的時域特征和頻域特征在齒輪減速馬達的狀態(tài)監(jiān)測和故障診斷上的應用進行研究，選出較為合適的減速機狀態(tài)監(jiān)測和故障診斷方法。
(4) 在小波理論分析的基礎上，探索有效的基于小波分析的錐齒輪減速機故障特征的提取方法。先，應用連續(xù)小波變換(Continuous Wavelet Transform)依據(jù)信號的尺度－小波能量譜分布特性，對錐齒輪減速機齒輪振動信號進行特征提取；其次，應用小波分解的多分辨分析(Multi-resolution Analysis)對信號進行正交小波分解，對振動信號進行濾波消噪處理，提取隱含在振動信號中的周期性沖擊信號；后，應用小波包分解(Wavelet Packet Decomposition)對振動信號進行分解，將信號在各個頻帶的小波包分解系數(shù)作為錐齒輪減速機齒輪振動信號的特征向量進行統(tǒng)計學分析，達到對齒輪減速馬達進行故障診斷的目的。
(5) 確定有效的基于神經網絡的振動信號特征的模式識別方法。運用 BP 神經網絡技術對個故障錐齒輪減速機進行故障模式分類。討論了神經網絡輸入特征量的選擇問題，闡述了小波網絡分析的優(yōu)勢和發(fā)展趨勢。http://www.snage.cn/nmrvjiansuji.html
因此，錐齒輪減速機的故障診斷技術需要種適合的先進的方法。在齒輪減速馬達故障診斷的各種方法中，振動診斷方法常用。由于錐齒輪減速機在運行過程中都不可避免的產生振動，而振動是其本身動力學特性的表示，于是根據(jù)錐齒輪減速機振動信號的分析與處理，不必對減速機進行解體，便可以得到其的運行狀態(tài)，得到齒輪減速馬達系統(tǒng)零部件由于磨損、疲勞、老化等原因引起的狀態(tài)變化信息，并由此識別齒輪減速馬達或其內部零部件的故障。因此，相對于其他故障診斷方法而言，振動診斷方法簡便易行，是目前工程中使用的主要方法。由于大部分錐齒輪減速機的故障都發(fā)生在振動的能量增大之后，所以，振動能量分析法是振動診斷方法中常用的手段。新發(fā)展起來的小波時頻分析理論及神經網絡理論，由于其優(yōu)越的時頻特性在齒輪減速馬達的振動診斷中有著良好的應用前景。齒輪減速馬達運行時產生的振動信號對其進行狀態(tài)監(jiān)測及故障診斷，提取其振動信號中的特征向量及進行故障模式識別。狀態(tài)監(jiān)測主要通過信號時域分析進行，特征向量提取主要應用小波理論進行，故障模式識別主要應用神經網絡進行。
(1) 實驗測取故障錐齒輪減速機的振動加速度信號，作為對減速機各個運行狀態(tài)振動信號進行數(shù)據(jù)處理與信號分析的根據(jù)。
(2) 較為詳細的分析了齒輪減速馬達的振動特性，建立減速機的數(shù)學力學模型，并從齒輪減速馬達結構上來分析產生振動的原因并給出其合理的解釋。
(3) 對振動信號的時域特征和頻域特征在齒輪減速馬達的狀態(tài)監(jiān)測和故障診斷上的應用進行研究，選出較為合適的減速機狀態(tài)監(jiān)測和故障診斷方法。
(4) 在小波理論分析的基礎上，探索有效的基于小波分析的錐齒輪減速機故障特征的提取方法。先，應用連續(xù)小波變換(Continuous Wavelet Transform)依據(jù)信號的尺度－小波能量譜分布特性，對錐齒輪減速機齒輪振動信號進行特征提取；其次，應用小波分解的多分辨分析(Multi-resolution Analysis)對信號進行正交小波分解，對振動信號進行濾波消噪處理，提取隱含在振動信號中的周期性沖擊信號；后，應用小波包分解(Wavelet Packet Decomposition)對振動信號進行分解，將信號在各個頻帶的小波包分解系數(shù)作為錐齒輪減速機齒輪振動信號的特征向量進行統(tǒng)計學分析，達到對齒輪減速馬達進行故障診斷的目的。
(5) 確定有效的基于神經網絡的振動信號特征的模式識別方法。運用 BP 神經網絡技術對個故障錐齒輪減速機進行故障模式分類。討論了神經網絡輸入特征量的選擇問題，闡述了小波網絡分析的優(yōu)勢和發(fā)展趨勢。http://www.snage.cn/nmrvjiansuji.html
