斜齿轮减速机神经网络作为一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R系列减速机来自于不同状态的信息逐一进行训练而获得某种映射关系。而且网络可以连续学习,如果斜齿轮减速马达环境发生改变,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。首先斜齿轮减速机利用一组故障样本对网络进行训练,以确定R系列减速机网络的结构(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一组征兆,实现征兆集到故障集之间的非线性映射的过程。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。首先斜齿轮减速马达利用一组故障样本对网络进行训练,以确定R系列减速机网络的结构(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一组征兆,实现征兆集到故障集之间的非线性映射的过程。http://www.vemte.com/Products/r37jiansuji.html