斜齿轮减速机监测与故障诊断。斜齿轮减速机状态监测与故障诊断采用了多种信号处理方法进行，包括基于机械振动信号的时域分析技术、频谱分析技术、小波及小波包时频分析技术的信号处理方法，神经网络技术的模式分类方法。从时域分析的角度对故障减速机进行有效的状态监测，从频谱分析到小波理论对故障减速机进行故障特征信息的提取，结合小波变换及小波包分解能有效地对含噪声振动信号进行消噪以及对信号进行多分辨分析的优势，从中提取它们各自的有效频段，得到典型的特征参量，将斜齿轮减速机特征参量与统计学、神经网络的优势相结合，根据所研究对象工作类型的特殊性来判别故障的类型，尽早的发现故障征兆，予以排除。结合诊断实例证明，以上方法能够很好的对故障减速机进行状态监测和故障诊断。
由于斜齿轮减速机生产的需要，冶金企业中的轧钢设备大多在复杂的工作环境下运行，许多齿轮减速电机设备经受着复杂的工作负载。齿轮减速电机承受时变负荷及温度变化是影响轧钢设备工作过程的主要因素，例如在轧机的工作过程中，每一次咬钢、甩钢都伴随着较强的振动冲击现象，因此作为重要调速设备的轧机减速机就会受到影响，由斜齿轮减速机故障引起且导致轧钢设备产生的故障将直接影响设备的运行状况以及所生产的产品质量。因此做好机械设备状态监测以及早期故障诊断就尤为重要。当前对减速机故障状态的研究热点有减速机故障的识别方法，包括信息比较诊断法、参数变化诊断法、故障树分析诊断法、齿轮减速电机神经网络诊断法等；故障诊断的主要信号处理方法，包括信号的时频分析、小波及小波包理论、神经网络方法以及根据小波和神经网络的特点优势而发展的小波网络诊断等。上述方法经实例验证是有效可行的，为齿轮减速电机的诊断研究工作开辟了广阔的领域 。斜齿轮减速机的状态监测和故障诊断做了理论上和工程上的应用研究，主要表现在以下几方面：
(1) 先从斜齿轮减速机的故障成因、内部齿轮的振动数学模型入手，简要分析了减速机的振动特性并对减速机的故障机理有了初步的认识。
(2) 其次运用时域分析方法(参数变化诊断法)对工作状态异常的减速机作了状态监测，有效地评估了当前齿轮减速电机的工作状态并为后续的诊断工作打下了基础。
(3) 在信号频域分析中运用 FFT 及 ZOOM-FFT 等方法对减速机故障作了故障诊断，同时在此基础上揭示了一般频域分析方法在诊断分析非平稳信号上的不足。
(4) 接着运用小波分析和小波包分析技术在信号的消噪以及微弱故障特征提取方面的优越性对减速机复杂振动信号做了降噪和特征提取，有效分离并提取了淹没在齿轮减速电机振动信号中的故障信号，从而对齿轮减速电机进行了有效的故障诊断。
(5) 最后通过神经网络技术(神经网络诊断法)对故障斜齿轮减速机运行工况进行了有效的故障模式识别。http://www.vemte.com/zhijiaozhou.html