VEMTE致力于打造節能環保電機減速機電機

S77減速機重構信號原理。S系列減速機小波包的分解系數的重構信號，即重構某小波包，只需保留這小波包的數據，而把這層中其他小波包的數據置為零。然后把經處理的蝸輪蝸桿減速機小波包數據代入重構公式 (4.60) ，經過 J層重構之后就可以把這小波包的時域分辨率提高到原來的大小(信號長度恢復)。分析該減速機的動信號的3層小波包分解結果不難看出，在節點 (3, 0) 和節點 (3, 1)處的小波包分解系數及蝸輪蝸桿減速機重構系數有明顯周期性，S系列減速機觀察它們各自的頻譜圖，已知節點 (3, 0) 處小波的頻段為 {0 ～ 320Hz}，在這個頻段中210Hz 這個頻率所激起的能量高 (520W) ，而該頻率就是 Z2 齒輪的嚙合頻率。同樣方法，節點 (3, 1) 處小波包的頻段為 {320 ～ 640Hz} ，該頻段內大的能量峰值 (580W) 出現在420Hz處，此即為S系列減速機Z2 齒輪嚙合頻率的 2 倍頻。
蝸輪蝸桿減速機小波神經網絡通過上述兩種途徑的結合，形成了廣義上的兩種蝸輪蝸桿NMRV減速機小波神經網絡。其中第2種類型的小波神經網絡，即狹義上的小波神經網絡，主要用于對非均勻性數據對的逼近。在故障診斷領域，多采用小波分析和神經網絡的松散型結合方法。
把小波分析中的多分辨率技術和 Fourier 頻譜技術結合起來，也可以為S系列減速機神經網絡提供種輸入向量。 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，因此可以作為神經網絡的特征輸入向量。但蝸輪蝸桿減速機若有512條譜線，則需512個輸入節點，顯然使網絡的結構過于龐大。這時可以用小波分析中的多分辨率技術，把 Fourier 頻譜在定尺度上分解為離散逼近部分和若干離散細節部分。該逼近部分譜線數減少，但S系列齒輪減速器仍保留了原頻譜的主要特征。如經過3層分解，逼近部分譜線數將降為原來的1/8，即64條。這對蝸輪蝸桿減速機旋轉機械來說將極大簡化輸入特征向量的提取。為小波包分解系數作為網絡特征量輸入的神經網絡模式分類模型示意圖，圖中輸出層模式暫定為正常狀態，輕微磨損，嚴重磨損3種狀態。
考慮到S系列減速機的裝配質量在很大程度上取決于主齒軸承正確的預緊程度和差速器主、被齒輪的正確嚙合位置， (對帶貫通軸中橋主減速器，還有貫通軸軸承的預緊程度)，而這些都取決于調整墊片厚度的正確選取。所以S系列減速機裝配線擬改變傳統憑經驗試裝選墊，而采用計算機控制測量尺寸鏈相關尺寸而正確選取調整墊片的厚度。主、從動齒輪安裝距調整墊片組以智能選墊機采集主減殼、軸承座、過橋箱殼體、S系列減速機軸承等零部件的相關數據，計算機處理、網絡傳輸數據至裝配工位。http://www.tsdc888.com/Products/S37jiansuji.html