S系列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,对齿轮减速器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S系列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。首先S系列减速机利用一组故障样本对网络进行训练,以确定齿轮减速器网络的结构(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,刹车电机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。
齿轮减速器摆线钢球行星传动是一种具有无回差、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,精度一般是由误差来衡量的,故对三相异步电动机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S系列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系列减速机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。http://www.vemte.com/Products/S57jiansuji.html