BKM075減速機的信號處理基礎。傘齒輪減速機的故障診斷技術的研究與應用是對故障征兆的提取和識別以及對機械設備的運行狀態(tài)的評價展開的。機械設備故障診斷技術研究的主要內容，體現在機械設備故障診斷過程中故障機理的研究、K系列減速機故障信息的獲取、故障特征的提取、 傘齒輪減速機狀態(tài)的分析和診斷以及狀態(tài)信息的存貯與管理等。故障特征提取方法的研究是機械設備故障診斷技術的關鍵。含有K系列減速機豐富狀態(tài)信息的機械設備運行狀態(tài)信號的特征提取是建立在信號處理的基礎上的。濾波技術、頻譜分析是傳統(tǒng)的信號處理方法。近年來發(fā)展起來的數字濾波技術、統(tǒng)計學參數估計技術、小波時頻分析技術等，大大豐富了信號處理的內容。
傘齒輪減速機建立在信號處理基礎上的常用的特征提取方法有快速傅立葉變換、倒譜分析、短時傅立葉變換、Winger 分布分析、時間序列分析、時域模型分析、時頻分析、小波分析等方法。分析的目的是通過對運行狀態(tài)信號的處理，確定能很好的表征 傘齒輪減速機運行狀態(tài)的特征量。K系列減速機狀態(tài)分析和診斷方法的研究是設備診斷技術的核心，其實質是個分類問題。比較常用的機械設備狀態(tài)分析和診斷方法有狀態(tài)空間分析診斷法、函數診斷法、對比診斷法、統(tǒng)計診斷法、模糊診斷法、人工智能診斷法、遺傳算法診斷法等方法。其中對比診斷法是目前廣為應用的方法。這種方法是事先通過計算分析、試驗研究或對實際數據進行統(tǒng)計歸納等方式，確定有關K系列減速機運行狀態(tài)與特征量之間的關系，即建立特征量的基準模式。在對設備狀態(tài)分析判斷時，只要將得到的特征量與基準模式進行比較，便可以確定機械設備的運行狀態(tài)。神經網絡診斷法和人工智能診斷法是對比診斷法的延伸。神經網絡具有強大的并行計算能力和學習功能及聯想能力，很適合作 傘齒輪減速機故障分類和模式識別的工具。
傘齒輪減速機廣泛應用于工業(yè)企業(yè)各生產部門，在大型設備中起著傳遞動力和換向的作用。實際生產中，冶金工業(yè)中的軋鋼設備大多處在復雜的工作環(huán)境下運行，K系列減速機許多設備經受著復雜的工作負載(如在軋機的工作過程中，每次咬鋼、甩鋼都伴隨著較強的振動沖擊現象)。承受時變負荷是影響軋鋼設備減速機工作過程的主要因素，由上述因素引起且導致傘齒輪減速機產生的故障將直接影響設備的運行狀況以及產品質量。并且K系列減速機的故障往往不易覺察，這就有必要對減速機這個復雜的整體實施故障診斷技術。研究K系列減速機的故障診斷技術，確定減速機故障齒輪或軸承的特征提取方法和可靠的故障識別方法，評價 傘齒輪減速機的運行狀態(tài)，為產品設計和使用部門提供可靠的判斷，以便改進設計。通過對減速機故障診斷的研究，建立套適合于減速機故障診斷的分析方法，為減速機以及其它旋轉機械的故障診斷和監(jiān)控系統(tǒng)的硬件設計提供科學的理論依據。http://www.7printer.com/Products/k47jiansuji.html