平行軸減速機(jī)信號預(yù)處理。時(shí)域特征處理:F系列減速機(jī)計(jì)算出峰值、均值、尺度差、變異系數(shù)、偏態(tài)系數(shù)、峭度系數(shù)、波形指標(biāo)、峰值指標(biāo)、平行軸減速機(jī)脈沖指標(biāo)和裕度指標(biāo)，這些參數(shù)同時(shí)域信號起用于信號識別，其結(jié)果是比單用時(shí)域波形的錯診率下降。平行軸減速機(jī)信號歸處理:時(shí)域信號為原始的信號，傘形齒輪減速機(jī)人工識別各種信號的主要依據(jù)就是時(shí)域信號的外形。AR建模參數(shù)法:以上輸入數(shù)據(jù)的長度都比較大，F(xiàn)系列減速機(jī)網(wǎng)絡(luò)處理時(shí)間長，因而平行軸減速機(jī)需要尋找種輸出數(shù)據(jù)量小的方法。平行軸減速機(jī)小波神經(jīng)網(wǎng)絡(luò)早是由法聞名的信息科學(xué)研究機(jī)構(gòu)IRLSA的ZhangQinghu等人1992年提出來的。常用的種方法是用小波分析對信號進(jìn)行預(yù)處理，即以小波空間作為模式識別的特征空間，通過小波分析來實(shí)現(xiàn)信號的特征提取，然后將提取的特征向量送入神經(jīng)網(wǎng)絡(luò)處理;另種即所謂的F系列減速機(jī)小波神經(jīng)網(wǎng)絡(luò)(WaveletNeuralNetwork,WNN)或小波網(wǎng)絡(luò)(WaveletNetworkWN)。常見的信號預(yù)處理方法有以下幾種:小波神經(jīng)網(wǎng)絡(luò)是基于小波變換而構(gòu)成的神經(jīng)網(wǎng)絡(luò)模型，即F系列減速機(jī)用非線性小波基取代通常的神經(jīng)元非線性激勵函數(shù)(如Sigmoid函數(shù))，把小波變換與神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合起來，充分繼續(xù)了兩者的長處。平行軸減速機(jī)信號預(yù)處理:F系列減速機(jī)信號預(yù)處理的目的是改善信號結(jié)構(gòu)，提守信號的某些特征量，以取得佳的識別效果。

平行軸減速機(jī)小波變換法:采用Daubechies正交小波基為基本濾波器，作10階小波的次近似和次細(xì)節(jié)共512個(gè)點(diǎn)(Daubechies正交小波要求點(diǎn)數(shù)為2的整次幕)。軋機(jī)F系列減速機(jī)是廣泛應(yīng)用于軋鋼等工藝中的重要設(shè)備。因?yàn)椴杉母鲾?shù)據(jù)單位不致，因而須對數(shù)據(jù)進(jìn)行歸化處理。AR建模法是建立個(gè)40階的AR模型，根據(jù)輸入數(shù)據(jù)確定AR模型的模型參數(shù)。為保證識別效果，應(yīng)對幅值進(jìn)行歸處理，般是進(jìn)行幅值歸。平行軸減速機(jī)工作環(huán)境惡劣，工況復(fù)雜，軋鋼過程中每次咬鋼、甩鋼都伴跟著較大的沖擊，因此極易產(chǎn)生故障，如內(nèi)部齒輪系統(tǒng)傳動鏈的磨損導(dǎo)致的振動加劇和沖擊現(xiàn)象，這可以從平行軸減速機(jī)的振動特性上體現(xiàn)出來。振動信號分析是機(jī)械設(shè)備工況監(jiān)測與故障診斷的重要手段。F系列減速機(jī)是介于時(shí)域和頻域特征分析之間的種方法。人工神經(jīng)網(wǎng)絡(luò)能夠精彩地解決那些傳統(tǒng)模式識別方法難以圓滿解決的題目，所以故障診斷技術(shù)是人工神經(jīng)網(wǎng)絡(luò)的重要應(yīng)用領(lǐng)域之。平行軸減速機(jī)頻域信號處理:頻域信號處理中取功率譜為計(jì)算參數(shù)。平行軸減速機(jī)廠家信號識別采用BP神經(jīng)網(wǎng)絡(luò)，對預(yù)處理后的信號作為輸入?yún)?shù)進(jìn)行學(xué)習(xí)，確定該信號的類型。在F系列減速機(jī)眾多的神經(jīng)網(wǎng)絡(luò)中，基于BP算法的多層感知器(MLP)神經(jīng)網(wǎng)絡(luò)理論為堅(jiān)實(shí)，應(yīng)用也廣泛。http://www.gengv.cn/product/list-pingxingzhoujiansuji-cn.html