
斜齿轮蜗轮蜗杆减速机小波分析。斜齿轮蜗轮蜗杆减速机小波包多分辨分析、滤波及完全分解的优点,同时阐述了把小波包分解系数作为特征向量进行统计学上的计算并将结果用于减速机的故障诊断及类型识别,取得了良好的效果。实例说明该方法具有分析S系列减速机非平稳振动信号的能力,斜齿轮蜗轮蜗杆减速机具有高精度、高效率以及能准确定位故障部位的优点。S系列减速机利用小波包分解与重构这故障诊断技术可为维修提供初步的诊断结论和理论依据,为具体的检修必将带来许多便利条件。
斜齿轮蜗轮蜗杆减速机利用振动信号的时域分析法和频域分析法对S系列减速机进行了状态识别,其作用是在不同的时期对斜齿轮蜗轮蜗杆减速机的工作状况进行了有效的评估,从振动时域分析到特征参数的分析以及简易振动烈度的判别使得判别S系列减速机的当前工作状态由定性的转为定量的,从而为进步的S系列减速机故障诊断工作提供了诊断依据。上述方法在斜齿轮蜗轮蜗杆减速机的状态监测与故障诊断及日常维护中都具有非常重要的意义。信号进行时频分析来进行斜齿轮蜗轮蜗杆减速器的故障诊断,包括从复杂的故障信号中进行故障特征的提取,对混有背景噪声信号的消噪等等。通过仿真实验数据和实际数据的分析,说明小波变换在故障信号的特征量提取中起主要作用。信号奇异点的检测、信号滤波、信号消噪、信号频带特征提取,这些都是故障信号分析中常用的方法,利用奇异点的检测、多分辨率分析、S系列减速机小波包分析以及在小波系数基础上的功率谱分析特点,对斜齿轮蜗轮蜗杆减速机信号进行处理,都具有独特的效果,能有效地诊断故障的类型。
从根本上讲,斜齿轮蜗轮蜗杆减速机小波分析有望取代传统的傅立叶分析技术。目前已经有不少研究成功的将小波分析应用于往复机械的故障诊断,S系列减速机旋转机械的碰-磨研究,主要应用领域为机械振动信息的故障征兆的特征提取。斜齿轮蜗轮蜗杆减速机小波分析在这些领域的应用方面说明小波分析的优越性,同时也说明小波分析理论应用的深度和广度还远远不够,S系列减速机小波分析优越的时域和频域特性还没有完全体现出来。因此,在实际应用中提出更多更广的研究课题,进步研究拓展小波分析理论在斜齿轮蜗轮蜗杆减速机故障诊断领域的应用具有十分重要的理论和实践意义。斜齿轮蜗轮蜗杆减速机小波变换是信号分析的有力工具,人工神经网络更是能出色完成模式识别任务,而信号分析和模式识别正是设备故障诊断所依赖的两个关键技术。因此,研究S系列减速机如何将二者完美的结合起来,应用于S系列减速机等机械设备的故障诊断,具有广泛的应用价值。/Products/S67jiansuji.html
BKM075减速机的齿轮箱解析。伞齿轮减速机齿轮箱广泛的用于工业生产中,在钢铁企业轧钢生产中作为种重要的动力传输设备。任何个未知的故障都可能导致严重的损失。因此,及时的监测和发现齿轮箱的早期故障至关重要。齿轮箱内齿轮的损毁是个严重的故障,对K系列减速机齿轮冲击信号的早期诊断防止齿轮的损毁是十分必要的。通常,振动信号通过放置在伞齿轮减速机轴承盖上的加速度传感器获取。K系列减速机所采集信号不仅包含了齿轮的啮合振动,还包含了转轴、轴承及周围设备产生的干扰振动。因此信号是复合的,单对信号的某类成分进行分析存在定难度。
伞齿轮减速机齿轮箱经常存在许多类型的故障。转轴的不对中可以利用振动信号的边带特征监测到。边频带很容易从信号频域识别由于故障信号都是由单频率所组成。对于冲击信号的识别,关键是找到信号中的周期成分。般说来,K系列减速机隐含在噪声信号中的脉冲信号是十分微弱的,除非冲击现象很明显。与小波函数类似,振动信号中的瞬时成分在时域和频域中存在局部能量分布。因此小波函数用来监测振动信号瞬时成分正是利用了小波函数在时频分析上类似的优势。近几年连续伞齿轮减速机小波变换(CWT)逐步的应用到齿轮箱的故障诊断上来。然而,K系列减速机这种方法在信号的高频段缺少足够的精度,小波变换无法对高频信息进步的分解。K系列减速机小波包变换能够有效地克服上述缺陷与不足。小波包技术具有比伞齿轮减速机小波变换更强的分解能力,能同时对信号的低频段和高频段进行完全分解。因此,这就为根据相应的频段来提取特定部件的故障信息提供了有利条件。小波包分析由于它的时域和频域信息的同步显示在对K系列减速机非平稳振动信号的信号处理及故障特征提取中被证明是有效的。在本文中,提出了小波包分解及小波包分解系数统计方法。该方法用来提取含噪声信号中的周期性脉冲信号进而对齿轮的冲击现象进行识别。实验证明,此方法对于监测复杂信号中的周期性成分和冲击信号较为有效。
伞齿轮减速机采用了压电加速度传感器,放置位置为轴Ⅰ轴承盖上。从传感器按采样频率采集到的振动信号经转换成为电信号,将伞齿轮减速机电信号输入电荷放大器,实验所采数据将被进步处理和分析,后K系列减速机从计算机上分析并显示。因为伞齿轮减速机振动信号处理的谱线分析包含了较广的频带,因此,正确的选择能够适用于整个测量频率范围的传感器带宽的加速度传感器是十分必要的。实验所用加速度传感器带宽为1~10kHz。正确的数据采集方法可以提高故障诊断的精度和质量。因此,选择个正确的测量方法对获取有效振动信号至关重要。为防止伞齿轮减速机采集的振动信号被由经 I/O 接口的环境噪声信号干扰。该实验测试信号用 ICP 传感器直接连接带有内置放大器的记录仪。/Products/k87jiansuji.html
R系列减速机小波包重构的方法。R系列减速机短时傅立叶变换对信号的频带划分是线性等间隔的,多分辨分析可以对信号进行有效的时频分解,但由于齿轮减速机其尺度是按二进制变化的,所以在高频频段其频率分辨率较差,而在低频频段其时间分辨率较差。R系列减速机小波包分析能够为信号提供种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之齿轮减速机与信号频谱相匹配,从而提高了时频分辨率。
R系列减速机信号占有的频带,将该频带分为二分解得到第 1 层,该层含有频率高低的两个频带。将其中的低频子带再分为二,分解得到第 2 层,它也有高低两个子带,如此分解下去,可以得到很多层。可以看出,齿轮减速机不同的层次只有不同的分辨率,层次越往下频率分辨率越高。但是,组合成滤波器时,齿轮减速机每层所取得的子带是固定的,因而只适应于特定的信号。波包分解过程,它是将每层所有的子带均分为二,并传至下层。R系列减速机可以看出每层的子带都覆盖信号所占有的频率,只是各层的分辨率不同。因此,利用小波包分解多少层,以及在各层选择那些子带来分析使用十分灵活。即对不同的信号,可以选择相应的R系列同轴减速机“佳”滤波器组。小波包分解的过程与小波的分解过程样,也是把信号分解为低频和高频两部分,所不同的是小波包分解是把上层所分解得到的低频信号和高频信号同时进行分解,因此,也将齿轮减速机小波包分解理解为是对信号所包含的频率段进行划分。原信号经小波包分解后得到的各个小波包表示信号所包含的不同的频率段。这些小波包的频带相邻,带宽样,小波包分解对信号频率划分这—特性可以应用于信号的滤波。但是,每个R系列减速机小波包含有信号的点数比上层小波包的点数少半,因此,分解的层数越多领域分辨率越高,时域分辨率越低,这对分析信号是不利的。为提高时域分辨率可以通过小波包的重构算法,对每个小波包分别进行重构。
R系列减速机小波包重构的方法如下:信号经过J层小波包分解后得到2J个小波包,如要重构某小波包,只需保留这小波包的数据,而齿轮减速机把这层中其他小波包的数据置为零。然后把经这样处理后小波包数据代入重构公式,R系列减速机经过J层重构之后就可以把这小波包的的域分辨率提高到原来的大小。齿轮减速机采用这种重构方法可以得到信号在任何个频率段上的成份,这种方法常被人们称为小波包滤波。小波包滤波与常规的滤波方法是不样的。/Products/r87jiansuji.html
斜齿轮减速机小波变换理论。结合实例我们可知斜齿轮减速机小波变换对于齿轮故障的定位要优于传统的快速傅里叶变换。其小波变换在高频段中有较好的时间分辨率和较低的频率分辨率。对于包含多种频率的谐波和微小突变信号,使用小波变换理论对于冲击信号进行定位的精度要高于FFT,这说明齿轮减速电机小波变换是区分高频域中瞬时冲击的有力工具。通过实例分析说明,斜齿轮减速机小波变换能够成功的检测和定位减速机中的故障。这个研究说明小波理论在检测减速机故障中的有效性,同时也说明它也是种监测齿轮减速电机运行工况的较好工具。目前,小波理论广泛的应用于信号处理,图像处理,模式识别,地震学以及机械故障诊断中。状态监测与故障诊断的主要内容包括故障信号的检测,故障诊断和早期故障预测诊断等。传统的振动故障诊断主要是基于频谱分析的方法,小波变换得出的时频图是分析故障信号奇异性的有效工具,为斜齿轮减速机的故障监测和诊断提供了新思路。在介绍小波变换理论和时频三维图的基础上,通过对齿轮减速电机振动情况进行分析,结果表明时频三维图不仅能直观检测信号中的微弱奇异成分,而且还能有效地对故障进行早期故障监测等。
长期以来,对于斜齿轮减速机的振动故障诊断方法,主要是采用振动频谱分析的方法,通过利用提取出来的频率特征进行分析和计算来区分判断故障的类型。现有的故障诊断方法如模糊数学诊断方法、人工神经网络诊断方法、专家系统诊断方法等,大多数还是基于振动的频谱特征来实现。齿轮减速电机基于传统傅立叶变换的频谱分析对于平稳的、周期信号分析是十分有效的。对于大型复杂的传动设备,在实际工程中,当故障发生时,振动信号般表现为非平稳和非周期的特征,此时,传统的傅立叶变换已经无法完全满足分析要求。斜齿轮减速机小波变换在时域和频域内同时具有局部化能力,是分析故障信号奇异性的有效工具,利用齿轮减速电机小波时频图能直观表示出信号中的微弱奇异成分,可以成功提取信号中的微弱奇异特征,为斜齿轮减速机故障诊断提供了新的方法和手段。小波变换的含义是把某称为基本小波的函数作位移后,然后在不同尺度下与待分析信号作内积,小波变换可以看作是求信号或函数在各种尺度平移信号上的投影,齿轮减速电机增速箱的振动情况可能是由于轴的不平衡、不对中所引起,当高速旋转时其同轴度不够好,同时影响了齿轮 Z1 和 Z2 的啮合状况,导致在通道处的振动信号亦出现调制现象,由此使得增速箱的振动加大,产生了周期性振动现象。建议检查轴的同轴度,是否对中,齿轮 Z1 和 Z2 的啮合情况等。斜齿轮减速机振动故障信号进行了分析研究,结果表明利用小波变换得到的时频三维图不仅能够诊断出振动故障结果,而且还能够清楚地给出时频分布情况。该方法为齿轮减速电机状态监测与故障诊断提供了新的手段。/nmrvjiansuji.html
锥齿轮减速机频谱分析。在正常状态下,锥齿轮减速机产生的平稳振动信号的峭度值基本接近于 3 ,但由于环境噪声的影响其值般不等于 3 ,而是在 3 的上下波动。齿轮减速马达冲击现象越明显则波动越大,偏离 3的程度也越大。因此可以依据齿轮减速马达信号峭度值与 3 的偏移量对信号的冲击现象进行简单的分类。
锥齿轮减速机结合峭度定义可知,小波包分解后,哪频率段峭度值出现峰值波动,表明这频率段存在冲击成分。齿轮减速马达观察图可以很清楚地看到信号的冲击频率成分,利用小波包分解可准确检测平稳时间序列中包含的冲击成分。为了识别故障,先齿轮减速马达获取信号的小波包分解重构系数,并将这些系数作为特征向量计算出其峭度 (Kurtosis) 值。锥齿轮减速机峭度广泛的应用于机械设备振动监测中,因此对于齿轮减速马达正常运行及非正常运行的机械设备便产生了经验标准数值来评判机械设备当前的工作状态。在锥齿轮减速机工况监测中,将正常状态下运行的锥齿轮减速机振动信号的峭度值设定范围为 (3 ~ 4.5) 。比较节点 (3, 0) ~ (3, 7) 处小波包重构信号的齿轮减速马达峭度值大小并结合峭度定义作进步分析,就可对系统进行监测和故障信息提取。由 8 个节点处小波包分解后的重构信号的峭度值大小计算结果。
齿轮减速马达利用传统的频谱分析方法只能从频谱图上了解振动信号所包含的频率成分,而无法确定具体频率成分的振动形式,因此无法对具体的频率成分进行进步的分析研究。而利用小波包分解与重构技术则不仅可以观察到振动信号所包含的频率成分,同时也能够确定齿轮减速马达任意频率成份的具体振动形式。在此利用小波包分解技术对锥齿轮减速机的振动信号进行分解,选取分解层数为3,小波基选‘ db2 ’小波,小波包分解的结果。图下的数字表示对应的小波包结点数。
锥齿轮减速机小波包的分解系数的重构信号,即重构某小波包,只需保留这小波包的数据,而把这层中其他小波包的数据置为零。然后把经处理的齿轮减速马达小波包数据代入重构公式 (4.60) ,经过 J层重构之后就可以把这小波包的时域分辨率提高到原来的大小(信号长度恢复)。分析该减速机的动信号的3层小波包分解结果不难看出,在节点 (3, 0) 和节点 (3, 1)处的小波包分解系数及齿轮减速马达重构系数有明显周期性,锥齿轮减速机观察它们各自的频谱图,已知节点 (3, 0) 处小波的频段为 {0 ~ 320Hz},在这个频段中210Hz 这个频率所激起的能量高 (520W) ,而该频率就是 Z2 齿轮的啮合频率。同样方法,节点 (3, 1) 处小波包的频段为 {320 ~ 640Hz} ,该频段内大的能量峰值 (580W) 出现在420Hz处,此即为锥齿轮减速机Z2 齿轮啮合频率的 2 倍频。因此可以得出结论。/zhijiaozhou.html
三相异步电动机机械系统。机械系统的基本功能是传递运动和动力,三相异步电动机齿轮传动是传递动力和运动的种主要形式。随着现代工业的发展以及航空航天工业、机器人等现代化工业产品的使用,使机械传动机构向高性能、高精度、大功率、刹车电机高速重载等方向迅速发展,刹车电机精密机械对其传动机构的工作精度及其他传动性能的要求越来越高。刹车电机行星齿轮传动是齿轮传动的主要类型之,它是将定轴线齿轮传动变为动轴齿轮传动,采用功率分流,用若干个行星轮分担载荷,并且合理应用内啮合,以及采用合理的均载措施等,由于其质量轻、体积小、传动范围大、承载能力不受限等优点得到了广泛的应用。
少齿差行星齿轮传动是种特殊的行星齿轮传动机构,刹车电机属于K-H-V型式的行星传动,K为个中心轮,H 为个行星架,V为带个等速输出机构(W 机构)的输出轴。少齿差行星齿轮传动具与行星齿轮传动基本相同的特点,结构紧凑、体积小、重量轻、三相异步电动机传动比范围大、传动效率较高、加工制造方便和成本较低等。K-H-V型行星传动主要有两种型式:渐开线少齿差行星齿轮传动和。摆线少齿差行星传动,,是 20 纪 30 年代学者发明的。起初由于摆线齿轮工艺复杂,发展十分缓慢,随着刹车电机生产的需要,渐开线内齿轮难以进行齿面硬化后的精加工,阻碍了其承载能力和传动精度的提高,而三相异步电机啮合的内齿轮是由针齿销、套组装而成的,比上述工艺简便,使这种传动有了发展的机遇,并在中等功率传动中获得了可靠的应用。以刹车电机外摆线为齿廓曲线,其中个齿轮采用针轮形式,该传动由于其主要传动零件均采用轴承钢并经磨削加工,传动时又是多齿啮合,故承载能力高、运转平稳、效率高、寿命长,但其加工过程难度大精度要求较高,成本较高。
三相异步电动机活齿少齿差行星传动(简称活齿传动),它是种利用活动的轮齿(活齿)传递两同轴之间回转运动和动力的机械传动。活齿传动的类型有:摆动活传动、推杆活齿传动、滚珠活齿传动、移动活齿传动、套筒活齿传动等。活齿传动初的结构型式是在 20 纪 30 年代由人提出的,到 40 年代他们把活齿传动技术应用到汽车转向机构中。50 年代,苏联学者对活齿传动的种形式“柱塞传动”进行了理论研究,提出了它的运动学和力的计算方法。我对活齿传动的研究起步较晚。从70 年代起,我的刹车电机科技工作者才开始注意外活齿传动的发展,经过十几年的开拓,在理论研究和产品开发方面都取得不少成绩,先后推出了多种专利技术:刹车电机变速传动轴承、密切圆活齿传动、摆动活齿减速机、三相异步电动机、套筒活齿减速机等。有以三相异步电动机为主要研究代表的推杆活齿传动机构,以刹车电机为主要研究代表的变速传动轴承,以刹车电机研究的套筒活齿传动机构,以刹车电机为研究代表的摆动活齿传动机构。
三相异步电动机活齿传动有的已应用于生产,有的在际内获奖,该传动不仅在应用上取得很大成绩,在理论研究上也有较大的成果,三相异步电动机利用机构学中转化机构法、等效机构法、滑滚替代法及机构演化等研究各种活齿传动的结构、齿形综合、运动学和动力学及加工制造等系列理论和应用内容,是部较全面系统研究活齿传动的著作具有突出的研究特色。刹车电机摆线活齿行星动是在摆线针轮传动的基础上开发的新型活齿传动,刹车电机分为两种型式即径向啮合的摆线滚柱活齿行星传动和端面啮合的摆线钢球活齿行星传动。/Products/bianpindianji.html
平行轴减速机信号预处理。平行轴减速机信号预处理:F系列减速机信号预处理的目的是改善信号结构,提取信号的某些特征量,以取得佳的识别效果。常见的信号预处理方法有以下几种:
1、平行轴减速机信号归处理:时域信号为原始的信号,F系列减速机人工识别各种信号的主要依据就是时域信号的形状。为保证识别效果,应对幅值进行归处理,般是进行幅值归。由于采集的各数据单位不致,因而须对数据进行归化处理。
2、平行轴减速机频域信号处理:频域信号处理中取功率谱为计算参数。
3、时域特征处理:F系列减速机计算出峰值、均值、标准差、变异系数、偏态系数、峭度系数、波形指标、峰值指标、平行轴减速机脉冲指标和裕度指标,这些参数同时域信号起用于信号识别,其结果是比单用时域波形的错诊率下降。
4、AR 建模参数法:以上输入数据的长度都比较大,F系列减速机网络处理时间长,因而平行轴减速机需要寻找种输出数据量小的方法。 AR 建模法是建立个40阶的 AR 模型,根据输入数据确定 AR 模型的模型参数。F系列减速机是介于时域和频域特征分析之间的种方法。
5、平行轴减速机小波变换法:采用Daubechies正交小波基为基本滤波器,作10阶小波的次近似和次细节共512个点(Daubechies正交小波要求点数为2的整次幂)。常用的种方法是用小波分析对信号进行预处理,即以小波空间作为模式识别的特征空间,通过小波分析来实现信号的特征提取,然后将提取的特征向量送入神经网络处理;另种即所谓的F系列减速机小波神经网络(Wavelet Neural Network,WNN)或小波网络(Wavelet Network WN)。平行轴减速机小波神经网络早是由法著名的信息科学研究机构 IRLSA的 Zhang Qinghu 等人1992年提出来的。小波神经网络是基于小波变换而构成的神经网络模型,即F系列减速机用非线性小波基取代通常的神经元非线性激励函数(如 Sigmoid 函数),把小波变换与神经网络有机地结合起来,充分继承了两者的优点。
平行轴减速机信号识别采用BP神经网络,对预处理后的信号作为输入参数进行学习,确定该信号的类型。人工神经网络能够出色地解决那些传统模式识别方法难以圆满解决的问题,所以故障诊断技术是人工神经网络的重要应用领域之。在F系列减速机众多的神经网络中,基于BP 算法的多层感知器(MLP)神经网络理论为坚实,应用也广泛。振动信号分析是机械设备工况监测与故障诊断的重要手段。轧机F系列减速机是广泛应用于轧钢等工艺中的重要设备。平行轴减速机工作环境恶劣,工况复杂,轧钢过程中每次咬钢、甩钢都伴随着较大的冲击,因此极易产生故障,如内部齿轮系统传动链的磨损导致的振动加剧和冲击现象,这可以从平行轴减速机的振动特性上体现出来。/Products/F57jiansuji.html
斜齿轮蜗轮蜗杆减速机传动叙述。斜齿轮蜗轮蜗杆减速机设备振动的相对标准是振动标准在设备状态监测与典型故障诊断中的应用,特别适用于尚无适用的振动对标准的设备。S系列减速机应用方法是对同类型的组设备或同设备的同部位的振动进行定期检测,以斜齿轮蜗轮蜗杆减速机正常情况下的值为原始值,根据实测值与原始值的比值是否超过的标准来判断设备的状态。通常,相对标准的确定根据频率的不同分为低频(<1000Hz)和高频(>1000Hz)两段,低频段的依据主要是经验值和人的感觉,而高频段主要是考虑了结构的疲劳强度。
斜齿轮蜗轮蜗杆减速机摆线钢球行星传动是种具有无回差、S系列减速机结构紧凑、承载能力强、传动效率高等良好性能的新型精密传动机构。现代工业对精密传动的精度要求越来越高,精度般是由误差来衡量的,故对摆线钢球行星传动的误差分析就显得尤为重要。论文根据误差与精度理论,通过分析摆线盘齿廓的加工及检测现状,提出了斜齿轮蜗轮蜗杆减速机盘齿廓误差评定项目,确定出误差分析的研究内容。分析了该传动中重要构件——S系列减速机摆线盘的齿廓结构参数与齿廓误差的影响关系,利用其摆线齿廓方程推导了齿廓误差计算公式。分析了S系列减速器齿廓误差的检测方法,根据摆线盘的齿廓结构特点选择公法线法检测摆线齿廓误差,并推导了摆线齿廓公法线长度计算公式。
根据斜齿轮蜗轮蜗杆减速机等速输出机构的传动原理,分析了能够实现无隙啮合的等速输出机构的类型,并研究分析了钢球环槽等速输出机构传动误差来源,利用等效机构法建立了该等速输出机构传动误差计算的数学模型,并推出了传动误差计算公式,利用软件程序计算并分析了该传动误差随结构参数误差的变化规律。研究了摆线钢球行星传动机构的传动精度,综合分析了加工制造误差、S系列减速机安装误差等影响该机构传动精度的误差因素,建立了摆线钢球行星传动机构传动误差分析的数学模型,并推出该机构的综合传动误差计算式。应用误差评定原理的概率统计法分析了各误差因素的概率分布规律,推出了传动误差的统计计算式。斜齿轮蜗轮蜗杆减速机机械系统的基本功能是传递运动和动力,S系列减速机齿轮传动是传递动力和运动的种主要形式。
斜齿轮蜗轮蜗杆减速机随着现代工业的发展以及航空航天工业、机器人等现代化工业产品的使用,使机械传动机构向高性能、高精度、大功率、高速重载等方向迅速发展,精密机械对其传动机构的工作精度及其他传动性能的要求越来越高。S系列减速机行星齿轮传动是齿轮传动的主要类型之,它是将定轴线齿轮传动变为动轴齿轮传动,采用功率分流,用若干个行星轮分担载荷,并且合理应用内啮合,以及采用合理的均载措施等,由于斜齿轮蜗轮蜗杆减速机质量轻、体积小、传动范围大、承载能力不受限等优点得到了广泛的应用。/Products/S87jiansuji.html
BKM075减速机神经网络的缺陷。伞齿轮减速机用归化预处理后故障振动信号来反映的K系列减速机内轮齿的故障信息特征,并以此作为前置处理手段为神经网络提供输入特征向量,利用神经网络的式分类功能,有效地识别出正常状态、轻微磨损状态和伞齿轮减速机严重磨损状态等3种类型K系列减速机内轮齿的运行状态。对K系列减速机监测工况分为三个阶段:
第阶段,伞齿轮减速机未加润滑添加剂的阶段;
第二阶段,伞齿轮减速机加入了润滑添加剂,并已经连续运行24小时以上;
第三阶段,K系列减速机在润滑添加剂作用状态下连续工作了6个月。
试验用二号水平立辊轧机伞齿轮减速机的结构及测点布置。其中,测点对中的通道,安放在减速机的高速端(即动力输入端)。安放在伞齿轮减速机的输出轴低速端。为具可比性,三次测量的测点及所用传感器各性能参数都不变。用便携式振动分析监测系统对K系列减速机进行在线振动测量,所选传感器为ICP压电式加速度传感器。采集到的数据经归化处理作为神经网络的输入样本特征数据。第阶段1通道上采集到的时域信号,此信号所反映的即为下节定义的K系列减速机严重磨损状态阶段。时域信号反映了故障伞齿轮减速机原始的振动信息。因此将其振动信号作为状态样本数据是合理的。运用 BP 神经网络对故障伞齿轮减速机进行故障模式识别分类,用来监测当前减速机的工作状态。将待检K系列减速机内轮齿的工作状态设定为正常状态、轻微磨损状态和严重磨损状态等3种类别。先,需要网络的目标和输入样本。对伞齿轮减速机的运行状态进行监测,获得了12组状态样本数据,将K系列减速机内部轮齿故障类型定为正常状态数据、轻微磨损状态数据和严重磨损状态3种。
伞齿轮减速机振动信号的神经网络分析,经过试验采集了减速机不同工作阶段的振动信号,从时域分析了减速机振动信号随着内部轮齿磨损量增加的变化规律。用与内部轮齿磨损具有良好相关性的 12 组参数和 3 组参数作为K系列减速机内部轮齿磨损的训练特征向量和检验特征参量,采用前向的 BP 人工神经网络进行磨损量识别,获得了较高的识别精度。虽然 BP 网络得到了广泛应用,但其自身也存在些不足,包括几个方面的问题。
(1) 由于伞齿轮减速机学习速率是固定的,因此,网络的收敛速度慢,需要较长的训练时间。对于些复杂的问题, BP 算法需要的训练时间可能会非常长。这主要是由于学习速率太小造成的,可采用变化的学习速率或自适应的学习速率加以改进;
(2) BP 算法可以使权值收敛到某个值,但并不能保证其为误差平面的全局小值,这是因为采用梯度下降法可能会产生个局部小值。对于这个问题,K系列减速机可以用附加动量法来解决;
(3)伞齿轮减速机网络隐含层的层数和单元数的选择尚无理论指导,般是根据经验或者通过反复实验确定。因此,网络往往存在很大的冗余性,定程度上增加了网络学习的负担;
(4) 网络的记忆和学习具有不稳定性。也就是说,如果增加了学习样本,训练好的网络就得重从头开始重新训练,对于以前的权值和阈值是没有记忆的。BP 网络与小波包分析的结合较好的克服了单 BP网络的缺陷和不足。/Products/k97jiansuji.html
R系列减速机神经网络故障识别系统。R系列减速机神经网络作为种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判别函数,它通过自身的学习机制自动形成所要求的决策区域。齿轮减速机网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。R系列减速机可以充分利用状态信息,对来自于不同状态的信息逐进行训练而获得某种映射关系。而且齿轮减速机网络可以连续学习,如果环境发生改变,这种映射关系还可以自适应地进行调整。
因此,R系列减速机神经网络由于自身的特性,在故障模式识别领域中有着越来越广泛的应用。下面以单隐层BP网络为例,介绍基于神经网络的故障诊断的方法和特点。其中,网络的输入结点对应着故障征兆,R系列减速机输出结点对应着故障原因。先利用组齿轮减速机故障样本对网络进行训练,以确定网络的结构(中间层的传递函数和神经元数目)和参数(神经元之间的连接权值和阈值)。网络训练完毕后,R系列同轴减速机故障的模式分类就是根据给定的组征兆,实现征兆集到故障集之间的非线性映射的过程。利用神经网络进行故障模式识别具有以下特点:
(1) 可用于系统模型未知或较为复杂的系统模型;
(2) R系列减速机兼有故障信号的模式变换和特征提取功能;
(3) 对系统含有不确定因素、齿轮减速机噪声及输入模式不完备的情况下不太敏感;
(4) 可用于复杂多模式的故障诊断;
(5) 可用于R系列减速机离线诊断,也能适应实时在线监测的要求。
先,R系列减速机基于定数量的训练样本集(通常称为“征兆-故障”数据集)对神经网络进行训练,得到期望的诊断网络;其次,根据当前诊断输入对系统进行诊断。诊断的过程即为利用神经网络进行前向计算的过程。在学习齿轮减速机和诊断之前,通常需要R系列减速机对诊断原始数据和训练样本数据进行适当的处理,包括齿轮减速机预处理和特征选取(提取)等,目的是为诊断网络提供合适的诊断输入和训练样本。此外,尽管神经网络和传统的故障诊断是两种不同的诊断方法,但两者是紧密联系在起的。如采用齿轮减速机小波分析等数据处理方法,可以为神经网络诊断提供可以利用的特征向量。故障诊断中常用的是振动信号,故障R系列减速机反映的振动信号是减速机故障诊断的主要信号来源,其中包含有各种信号。它是分析、诊断R系列减速机工作情况的主要的依据。有必要对其进行分离及分类识别。利用神经网络的方法,也可以对异常信号进行识别,识别过程般包括以下几个步骤:
(1) 信号提取:先对信号包络,然后根据齿轮减速机包络后的各个凸包区来选取各个有效信号。
(2) 信号处理:分别采用时域、频域、参数建模和齿轮减速机小波变换等不同的方法信号进行预处理。/Products/r67jiansuji.html
斜齿轮减速机的模式识别。斜齿轮减速机常用的模式识别方法自然界的事物和现象般可分为多个相似,但又不完全相同的群体或个体组成的类别人们把这样的类别称为模式类或模式,而把其中每个事物或现象称为该模式的个样本。齿轮减速电机同类的样本彼此相似,具有某些共同的特征,不同类的样本彼此互不相似。所谓斜齿轮减速机模式识别就是从模式空间到类别隶属空间的正确映射。齿轮减速电机故障诊断中经常用到以下模式识别方法:
(1) 统计分类方法。该方法是利用了斜齿轮减速机各模式类的分布特征,即直接利用各类的概率密度函数、后验概率等,或隐含地利用上述概念进行分类识别。按照齿轮减速电机判别准则来划分统计分类方法,括小误判概率准则和小损失判决规则等。
(2) 聚类分类方法。为了避免斜齿轮减速机估计概率密度的困难,可以来用该方法。在定条件下,根据样本空间的相似性把样本集分为若干子集,结果应是齿轮减速电机某种表示聚类质量的准则函数为大。常用样本的相似性测度包括距离指标和角度指标。斜齿轮减速机聚类分类方法是种无监督的学习方法,就是不利用样本的类别属性知识,只根据样本的相似性进行分类的方法。这种方法的前提是,齿轮减速电机同类样本的特征向量相互靠近而不同类样本的特征向量距离要大得多。常用的方法包括C均值法和 IS0DAIA 算法。
(3) 模糊模式识别。该方法利用斜齿轮减速机模糊数学的理论和方法来解决模式识别问题,因此适用于分类识别对象或要求的识别结果具有模糊性的场合。目前,模糊模式识别的方法很多,简单、常用的就是大隶属度原则。在斜齿轮减速机传统的模式识别技术中,模式分类的基本方法是利用判别函数来划分每个类别。在很多情况下,特别是对于线性不可分的复杂决策区域,齿轮减速电机判别函数的形式也就格外复杂。而且由于全面的典型参考模式样本不容易得到,但如果采用概率模型,则会损失模式识别的精度。
斜齿轮减速机神经网络作为种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判别函数,它通过自身的学习机制自动形成所要求的决策区域。网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。它可以充分利用状态信息,对齿轮减速电机来自于不同状态的信息逐进行训练而获得某种映射关系。而且网络可以连续学习,如果斜齿轮减速机环境发生改变,这种映射关系还可以自适应地进行调整。因此,神经网络由于自身的特性,在故障模式识别领域中有着越来越广泛的应用。下面以单隐层 BP 网络为例,介绍基于神经网络的故障诊断的方法和特点。其中,网络的输入结点对应着故障征兆,输出结点对应着故障原因。先斜齿轮减速机利用组故障样本对网络进行训练,以确定齿轮减速电机网络的结构(中间层的传递函数和神经元数目)和参数(神经元之间的连接权值和阈值)。网络训练完毕后,故障的模式分类就是根据给定的组征兆,实现征兆集到故障集之间的非线性映射的过程。/Products/chilunjiansumada.html
锥齿轮减速机小波分析结合。目前锥齿轮减速机小波分析和神经网络结合的途径主要有两种:
(1) 锥齿轮减速机松散型结合:即小波分析作为神经网络的前置处理手段,为神经网络提供输入特征向量;
(2) 锥齿轮减速机紧致型结合:小波和神经网络直接融合,即用小波函数和尺度函数形成神经元。
齿轮减速马达小波神经网络通过上述两种途径的结合,形成了广义上的两种齿轮减速马达小波神经网络。其中第2种类型的小波神经网络,即狭义上的小波神经网络,主要用于对非均匀性数据对的逼近。在故障诊断领域,多采用小波分析和神经网络的松散型结合方法。
把小波分析中的多分辨率技术和 Fourier 频谱技术结合起来,也可以为锥齿轮减速机神经网络提供种输入向量。 Fourier 变换的频谱谱线非常丰富,它们谱线值的组合能反映故障的特征,因此可以作为神经网络的特征输入向量。但齿轮减速马达若有512条谱线,则需512个输入节点,显然使网络的结构过于庞大。这时可以用小波分析中的多分辨率技术,把 Fourier 频谱在定尺度上分解为离散逼近部分和若干离散细节部分。该逼近部分谱线数减少,但锥齿轮减速机仍保留了原频谱的主要特征。如经过3层分解,逼近部分谱线数将降为原来的1/8,即64条。这对齿轮减速马达旋转机械来说将极大简化输入特征向量的提取。为小波包分解系数作为网络特征量输入的神经网络模式分类模型示意图,图中输出层模式暂定为正常状态,轻微磨损,严重磨损3种状态。
锥齿轮减速机小波网络技术充分的利用了小波包完全分解的特性和神经网络在智能识别方面的优势,通过将从故障锥齿轮减速机上采集到的振动信号进行小波包分解,提取能反映减速机故障信息的小波包分解系数或小波包分解误差值,将其作为特征向量输入神经网络进行智能识别来对齿轮减速马达进行故障监测和识别。齿轮减速马达故障诊断系统的训练(a)和实测(b)数据验证流程图。神经网络理论及其在减速机故障诊断模式识别上的应用,结合例子说明神经网络方法在减速机故障诊断工作中的可行性,指出了传统神经网络在齿轮减速马达故障模式识别上的优点与不足,并提出了锥齿轮减速机小波神经网络的概念和其优势。本文提出小波包能量特征的思想,将采集到的减速机振动信号进行小波包分解,通过分析观测信号在锥齿轮减速机小波包某分解层次上不同时频分辨空间中的能量分布,进行减速机运行状态的特征提取,对提取的特征用神经网络技术进行故障识别、分类,得到故障分类类型,从而建立起齿轮减速马达运行状态的实时监测体系。这种方法在减速机运行工况的模式识别领域具有广阔的应用前景。/nmrvjiansuji.html
三相异步电动机减速传动机构。所以大力发展三相异步电动机汽车装备制造业已成为我汽车工业发展的个重点。本课题的研究将为我汽车行业不断增强自主开发能力,提高汽车产品的综合技术水平,推进汽车装备开发和应用、刹车电机模块化的研究和制订等方面的创新发展,达到提高我三相异步电动机的际竞争力、实现可持续发展打下坚实的基础。
在外,些发达家及早地将注意力转向三相异步电动机自动装配技术,并取得了卓越的成果,些产品、部件的装配过程逐渐摆脱了工人的操作,三相异步电动机柔性装配系统(FAS)已成为CIM$的个重要环节。外很强调全面考虑,综合解决,刹车电机涉及到产品开发设计、生产工艺、生产管理和零部件制造等各个部门和各个环节。如奔驰公司的奔驰汽车生产线,自动化程度相当高,刹车电机各个装配工位都采用了先进的现代化技术,如传感、电子控制,甚至美学都应用其中。这也使得其公司在全界的竞争力独占鳌头,撼之不动。三相异步电动机传动系统的要任务是与发动机协同工作,以保证汽车各种行驶条件下正常行驶所必需的驱动力与车速,并使汽车具有良好的动力性和燃油经济性。三相异步电机发动机的输出扭经过变速器,再通过传动轴传递到汽车驱动桥,驱动桥的作用是将扭矩传递到驱动轮上。现在也有多驱(多于两轮驱动)汽车,变速器后面配有的分动器,将刹车电机变速器的输出扭矩分给不同的驱动桥。
三相异步电动机主减速器的减速传动机构为对准双曲面圆锥齿轮,主动和从动锥齿轮之间必须有正确的相对位置,刹车电机方能使两齿轮啮合传动时冲击噪声较轻,而且轮齿沿其长度方向磨损较均匀。为此,在结构上方面要使主动和从动锥齿轮有足够的支承刚度,使其在传动过程中不至于发生较大变形而影响正常啮合;另方面应有必要的啮合调整装置。为保证主动锥齿轮有足够的支承刚度,刹车电机主动锥齿轮5与轴制成体(后面称之为主动齿轮轴或主动锥齿轮轴),前端支承在互相贴近而小端相向的两个圆锥滚子轴承上。汽车驱动桥主减速器的装配质量是影响整个汽车驱动桥性能的个重要因素。装配主减速器时,为了减小在锥齿轮传动过程中产生的轴向力所引起的齿轮轴的轴向位移,提高轴的支承刚度,保证三相异步电动机锥齿轮副的正常啮合,圆锥滚子轴承应有定的装配预紧度,即在刹车电机消除轴承间隙的基础上,再给予定的压紧力。三相异步电动机轴承的轴向间隙不应超过0.1mm,可通过更换不同厚度的隔套,或者在两轴承内座圈问装入组厚度不同的调整垫片3,通过调整垫片的厚度来实现调整轴承预紧度的目的。/Products/lvkedianji.html
平行轴减速机装配线布置。平行轴减速机装配线布置是种很重要的技术,可以说,任何有着多种零部件并进行大批量生产的终产品在某种程度上都采用装配线生产。华南理工大学的爱虎应用基础工业工程理论和方法对手工装配线布置方式进行了改善,平行轴减速机对提高企业生产效率和系统的灵活性以及对市场的适应能力等方面有显著的作用。F系列减速机采用工序同期化方法对五菱专用汽车公司总装车间装配线进行了改善设计,F系列减速机达到降低了工人劳动强度,实现高效率和按节奏生产等目标陆1。平行轴减速机以某企业激光头基座准备(又称H—S准备)生产线为研究对象,运用“5W1H”提问技术,分析了流水线存在的各方面问题,对F系列减速机生产线进行了重新布置,新方案的实施使生产线生产能力得到了极大提高”1。
按照平行轴减速机装配线平面布置的形状它可以分为直线型,U型,环型“。传统的装配线设计成直线型,F系列减速机线上分工很细,相对于需求的变化,难以重新调整而达到新的平衡。线上的操作人员进行的是简单的重复作业,枯燥无味,容易产心理疲劳,也会增加失业率。混流型和U型装配线是多品种小批量的种装配组织方式,实现装配单元内的作业人员人多机操作,减少操作人员,提高了系统的柔性和装配效率,便于随时调整作业人数,适应F系列减速机和产量需求的变化。混流型和u型装配线布置是JIT生产系统的个特征,也是JIT系统实现“只在需要的时候,按需要的量,装配所需的产品”目标的重要措施。平行轴减速机u型装配线布置有着直线型装配线布置的不可比拟的优势。环型装配线是在u型装配线的基础上发展起来的,它的目的是为了重复利用装配线上的某个辅具,F系列减速机通过添加轨道和转向机构而让装配线构成封闭形状。它同样也具有u型装配线的特点。
平行轴减速机同步式装配线,即装配总成与输送线同步运行,线上各工位的操作节拍是相等的,所以容易造成不均衡生产。非同步式柔性装配线,即装配的总成与输送线运行是不同步的,在线上不同的装配工位上,根据平行轴减速机装配的需要,被装配的总成在定的节拍范围内可以自由调节,并具备存放寄存的功能。也就是说,F系列减速机非同步输送是以摩擦滚轮输送为典型结构,主输送线是连续输送的,按平行轴减速机需要由线上释放限位机构对装配小车进行定位,工件在全线不同区段上可按不同节拍输送,全线不同工位上的操作,在时间差允许范围内节拍可自由调节。/Products/F87jiansuji.html
斜齿轮蜗轮蜗杆减速机装配线工艺流程。斜齿轮蜗轮蜗杆减速机装配线工艺流程的设计根据主减速器总成结构特点,理顺了线上物流,保证了成对零件(如主、被齿;差速器左、右壳等)正确配对安装,注意了S系列减速机分装支线与装配合线的节拍协调,般不会出现混淆错装。另外 斜齿轮蜗轮蜗杆减速机零件在装配和输送过程确保了避免磕碰,注意了S系列减速机整个车间的布置合理,物流顺畅。
降低斜齿轮蜗轮蜗杆减速机装配劳动强度注意设计和发挥专用工、辅具的作用,尽可能降低装配劳动强度。提高可靠性和寿命,在设备的设计中,适当的加大厚度和布置加强筋,增强了设备的刚度和强度,以提高S系列减速机使用的可靠性和使用寿命。在原材料的选择中和后处理中对这方面也进行了考虑。充分考虑柔性和未来变化及发展,由于各种型号的S系列减速机主减速器总成在结构上存在定差异,特别是中桥的结构比较复杂。S系列减速机装配线的设计要尽可能兼顾各种总成的不同特点,尽可能共用设备,以提高装配线的使用效率。本装配线都具有定的可扩展性,在适当增加和更换部分工具和部件后能完成类似中、后桥斜齿轮蜗轮蜗杆减速机主减速器总成的装配工作。并且考虑到今后可能的发展,尽量考虑企业未来产品变化,在工艺御局和设备设计时提前进行统规划,确保在将来产品变化时不需大的调整。
这里我们提出了斜齿轮蜗轮蜗杆减速机三环的总体设计方案,先在二条环线上进行并行装配,然后在另条环线上进行合装。S系列减速机三环分别是主环、差环和合环。其中主环是主齿部件的装配,差环是差速器部件的装配,合环是主齿总成、差速器总成以及主减速器壳体的合装。主减总成装配线采用非同步柔性手动输送线,在S系列减速机适当更换斜齿轮蜗轮蜗杆减速机压头等部分工、辅具后,可完成多品种的中、后桥主减速器总成的装配工作。可以协调各工位间装配工作的节拍差异,并可较好地发挥装配线的生产潜力,适应多品种产品变化的要求。输送线采用手推小车、平导轨式,S系列减速机输送线上设有停止器、缓冲器、定位器,可随时停止与启动斜齿轮蜗轮蜗杆减速机。斜齿轮蜗轮蜗杆减速机主环和差环的装配线采用平面双循环形式,在四个转角处设有转向机构。并依据物流及装配顺序,随行小车物流方向自然返回。各工位设有定位器,小车间设有缓冲器,可适用多品种变化的要求。该斜齿轮蜗轮蜗杆减速机输送线上料高度约为820皿(自地面至工件的定位面或定位止口)左右,随S系列减速机装配工艺的需要,在轨道合适的位置,布置了定位机构,扳动定位手柄,定位块插入装配小车的定位槽中,即可保证装配小车停留在确定位置,以完成该工位的装配工作。/Products/S87jiansuji.html