宏运彩票

新浪微博腾讯微博收藏本站|在线留言|网站地图东莞市祥如机电设备有限公司,品牌"VEMT"专业生产减速机,减速箱,减速器,减速电机,减速马达
全咨询热线:158184971380769-85992468

热门关键词:R系列减速机|F系列减速机|K系列减速机|S系列减速机|刹车电机

祥如机电动态
当前位置: 首页 » 祥如机电新闻中心 » 资讯 » 减速机图纸 » 伞齿轮减速机神经网络的缺陷

伞齿轮减速机神经网络的缺陷

文章出处:   责任编辑:   发布时间:2017-03-11 14:04:11    点击数:-   【
伞齿轮减速机神经网络的缺陷。伞齿轮减速机用归化预处理后故障振动信号来反映的K系列减速机内轮齿的故障信息特征,并以此作为前置处理手段为神经网络提供输入特征向量,利用神经网络的式分类功能,有效地识别出正常状态、轻微磨损状态和伞齿轮减速机严重磨损状态等3种类型K系列减速机内轮齿的运行状态。对K系列减速机监测工况分为三个阶段:
第阶段,伞齿轮减速机未加润滑添加剂的阶段;
第二阶段,伞齿轮减速机加入了润滑添加剂,并已经连续运行24小时以上;
第三阶段,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。
试验用二号水平立辊轧机伞齿轮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)。安放在伞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。采集到的数据经归化处理作为神经网络的输入样本特征数据。第阶段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伞齿轮减速机原始的振动信息。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K系列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。先,需要网络的目标和输入样本。对伞齿轮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。
伞齿轮减速机振动信号的神经网络分析,经过试验采集了减速机不同工作阶段的振动信号,从时域分析了减速机振动信号随着内部轮齿磨损量增加的变化规律。用与内部轮齿磨损具有良好相关性的 12 组参数和 3 组参数作为K系列减速机内部轮齿磨损的训练特征向量和检验特征参量,采用前向的 BP 人工神经网络进行磨损量识别,获得了较高的识别精度。虽然 BP 网络得到了广泛应用,但其自身也存在些不足,包括几个方面的问题。
(1) 由于伞齿轮减速机学习速率是固定的,因此,网络的收敛速度慢,需要较长的训练时间。对于些复杂的问题, BP 算法需要的训练时间可能会非常长。这主要是由于学习速率太小造成的,可采用变化的学习速率或自适应的学习速率加以改进;
(2) BP 算法可以使权值收敛到某个值,但并不能保证其为误差平面的全局小值,这是因为采用梯度下降法可能会产生个局部小值。对于这个问题,K系列减速机可以用附加动量法来解决;
(3)伞齿轮减速机网络隐含层的层数和单元数的选择尚无理论指导,般是根据经验或者通过反复实验确定。因此,网络往往存在很大的冗余性,定程度上增加了网络学习的负担;
(4) 网络的记忆和学习具有不稳定性。也就是说,如果增加了学习样本,训练好的网络就得重从头开始重新训练,对于以前的权值和阈值是没有记忆的。BP 网络与小波包分析的结合较好的克服了单 BP网络的缺陷和不足。/Products/k97jiansuji.html

K系列减速机


祥如机电最新产品

{$newproduct$}

您的浏览历史

    正在加载...