錐齒輪減速機小波分析結(jié)合。目前錐齒輪減速機小波分析和神經(jīng)網(wǎng)絡(luò)結(jié)合的途徑主要有兩種:
(1) 錐齒輪減速機松散型結(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；
(2) 錐齒輪減速機緊致型結(jié)合：小波和神經(jīng)網(wǎng)絡(luò)直接融合，即用小波函數(shù)和尺度函數(shù)形成神經(jīng)元。
齒輪減速馬達小波神經(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小波神經(jīng)網(wǎng)絡(luò)。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)，主要用于對非均勻性數(shù)據(jù)對的逼近。在故障診斷領(lǐng)域，多采用小波分析和神經(jīng)網(wǎng)絡(luò)的松散型結(jié)合方法。
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，也可以為錐齒輪減速機神經(jīng)網(wǎng)絡(luò)提供種輸入向量。 Fourier 變換的頻譜譜線非常豐富，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。但齒輪減速馬達若有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。這時可以用小波分析中的多分辨率技術(shù)，把 Fourier 頻譜在定尺度上分解為離散逼近部分和若干離散細(xì)節(jié)部分。該逼近部分譜線數(shù)減少，但錐齒輪減速機仍保留了原頻譜的主要特征。如經(jīng)過3層分解，逼近部分譜線數(shù)將降為原來的1/8，即64條。這對齒輪減速馬達旋轉(zhuǎn)機械來說將極大簡化輸入特征向量的提取。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)，輕微磨損，嚴(yán)重磨損3種狀態(tài)。
錐齒輪減速機小波網(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)在智能識別方面的優(yōu)勢，通過將從故障錐齒輪減速機上采集到的振動信號進行小波包分解，提取能反映減速機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)進行智能識別來對齒輪減速馬達進行故障監(jiān)測和識別。齒輪減速馬達故障診斷系統(tǒng)的訓(xùn)練(a)和實測(b)數(shù)據(jù)驗證流程圖。神經(jīng)網(wǎng)絡(luò)理論及其在減速機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)在齒輪減速馬達故障模式識別上的優(yōu)點與不足，并提出了錐齒輪減速機小波神經(jīng)網(wǎng)絡(luò)的概念和其優(yōu)勢。本文提出小波包能量特征的思想，將采集到的減速機振動信號進行小波包分解，通過分析觀測信號在錐齒輪減速機小波包某分解層次上不同時頻分辨空間中的能量分布，進行減速機運行狀態(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運行狀態(tài)的實時監(jiān)測體系。這種方法在減速機運行工況的模式識別領(lǐng)域具有廣闊的應(yīng)用前景。/nmrvjiansuji.html

本文鏈接:http://m.xmdstl.cn/list_16/4861.html