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)。安放在锥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。采集到的数据经归一化处理作为神经网络的输入样本特征数据。第一阶段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齿轮减速电机最原始的振动信息。因此将其振动信号作为状态样本数据是合理的。运用 BP 神经网络对一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。首先,需要网络的目标和输入样本。对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绝对标准的设备。K系列减速电机应用方法是对同一类型的一组设备或同一设备的同一部位的振动进行定期检测,以伞齿轮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,K系列减速机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。http://www.vemte.com/Products/k67jiansuji.html