锥齿轮减速机运行状态与信号。锥齿轮减速机故障诊断技术的发展使得减速机运行状态的监测与诊断技术获得了很大的发展。齿轮减速马达的故障诊断技术主要对减速机的关键零部件展开的。就国内的研究状况而言，已有不少的科研院所对锥齿轮减速机等部分实施了故障诊断方法和技术的研究，而且设计出了一些诊断仪器。用于齿轮减速马达的修理部门及生产线上的产品质量检测。总的来说，大部分研究主要是理论上的探讨，方法并不十分先进。
因此，锥齿轮减速机的故障诊断技术需要一种适合的先进的方法。在齿轮减速马达故障诊断的各种方法中，振动诊断方法最常用。由于锥齿轮减速机在运行过程中都不可避免的产生振动，而振动是其本身动力学特性的表示，于是根据锥齿轮减速机振动信号的分析与处理，不必对减速机进行解体，便可以得到其的运行状态，得到齿轮减速马达系统零部件由于磨损、疲劳、老化等原因引起的状态变化信息，并由此识别齿轮减速马达或其内部零部件的故障。因此，相对于其他故障诊断方法而言，振动诊断方法简便易行，是目前工程中使用的主要方法。由于绝大部分锥齿轮减速机的故障都发生在振动的能量增大之后，所以，振动能量分析法是振动诊断方法中常用的手段。最新发展起来的小波时频分析理论及神经网络理论，由于其优越的时频特性在齿轮减速马达的振动诊断中有着良好的应用前景。齿轮减速马达运行时产生的振动信号对其进行状态监测及故障诊断，提取其振动信号中的特征向量及进行故障模式识别。状态监测主要通过信号时域分析进行，特征向量提取主要应用小波理论进行，故障模式识别主要应用神经网络进行。
(1) 实验测取故障锥齿轮减速机的振动加速度信号，作为对减速机各个运行状态振动信号进行数据处理与信号分析的根据。
(2) 较为详细的分析了齿轮减速马达的振动特性，建立减速机的数学力学模型，并从齿轮减速马达结构上来分析产生振动的原因并给出其合理的解释。
(3) 对振动信号的时域特征和频域特征在齿轮减速马达的状态监测和故障诊断上的应用进行研究，选出较为合适的减速机状态监测和故障诊断方法。
(4) 在小波理论分析的基础上，探索有效的基于小波分析的锥齿轮减速机故障特征的提取方法。首先，应用连续小波变换(Continuous Wavelet Transform)依据信号的尺度－小波能量谱分布特性，对锥齿轮减速机齿轮振动信号进行特征提取；其次，应用小波分解的多分辨分析(Multi-resolution Analysis)对信号进行正交小波分解，对振动信号进行滤波消噪处理，提取隐含在振动信号中的周期性冲击信号；最后，应用小波包分解(Wavelet Packet Decomposition)对振动信号进行分解，将信号在各个频带的小波包分解系数作为锥齿轮减速机齿轮振动信号的特征向量进行统计学分析，达到对齿轮减速马达进行故障诊断的目的。
(5) 确定有效的基于神经网络的振动信号特征的模式识别方法。运用 BP 神经网络技术对一个故障锥齿轮减速机进行故障模式分类。讨论了神经网络输入特征量的选择问题，阐述了小波网络分析的优势和发展趋势。http://www.vemte.com/nmrvjiansuji.html