平行軸減速機信號預處理。平行軸減速機信號預處理：F系列減速機信號預處理的目的是改善信號結構，提取信號的某些特征量，以取得佳的識別效果。常見的信號預處理方法有以下幾種：
1、平行軸減速機信號歸處理：時域信號為原始的信號，F(xiàn)系列減速機人工識別各種信號的主要依據(jù)就是時域信號的形狀。為保證識別效果，應對幅值進行歸處理，般是進行幅值歸。由于采集的各數(shù)據(jù)單位不致，因而須對數(shù)據(jù)進行歸化處理。
2、平行軸減速機頻域信號處理：頻域信號處理中取功率譜為計算參數(shù)。
3、時域特征處理：F系列減速機計算出峰值、均值、標準差、變異系數(shù)、偏態(tài)系數(shù)、峭度系數(shù)、波形指標、峰值指標、平行軸減速機脈沖指標和裕度指標，這些參數(shù)同時域信號起用于信號識別，其結果是比單用時域波形的錯診率下降。
4、AR 建模參數(shù)法：以上輸入數(shù)據(jù)的長度都比較大，F(xiàn)系列減速機網絡處理時間長，因而平行軸減速機需要尋找種輸出數(shù)據(jù)量小的方法。 AR 建模法是建立個40階的 AR 模型，根據(jù)輸入數(shù)據(jù)確定 AR 模型的模型參數(shù)。F系列減速機是介于時域和頻域特征分析之間的種方法。
5、平行軸減速機小波變換法：采用Daubechies正交小波基為基本濾波器，作10階小波的次近似和次細節(jié)共512個點(Daubechies正交小波要求點數(shù)為2的整次冪)。常用的種方法是用小波分析對信號進行預處理，即以小波空間作為模式識別的特征空間，通過小波分析來實現(xiàn)信號的特征提取，然后將提取的特征向量送入神經網絡處理；另種即所謂的F系列減速機小波神經網絡(Wavelet Neural Network,WNN)或小波網絡(Wavelet Network WN)。平行軸減速機小波神經網絡早是由法著名的信息科學研究機構 IRLSA的 Zhang Qinghu 等人1992年提出來的。小波神經網絡是基于小波變換而構成的神經網絡模型，即F系列減速機用非線性小波基取代通常的神經元非線性激勵函數(shù)(如 Sigmoid 函數(shù))，把小波變換與神經網絡有機地結合起來，充分繼承了兩者的優(yōu)點。
平行軸減速機信號識別采用BP神經網絡，對預處理后的信號作為輸入參數(shù)進行學習，確定該信號的類型。人工神經網絡能夠出色地解決那些傳統(tǒng)模式識別方法難以圓滿解決的問題，所以故障診斷技術是人工神經網絡的重要應用領域之。在F系列減速機眾多的神經網絡中，基于BP 算法的多層感知器(MLP)神經網絡理論為堅實，應用也廣泛。振動信號分析是機械設備工況監(jiān)測與故障診斷的重要手段。軋機F系列減速機是廣泛應用于軋鋼等工藝中的重要設備。平行軸減速機工作環(huán)境惡劣，工況復雜，軋鋼過程中每次咬鋼、甩鋼都伴隨著較大的沖擊，因此極易產生故障，如內部齒輪系統(tǒng)傳動鏈的磨損導致的振動加劇和沖擊現(xiàn)象，這可以從平行軸減速機的振動特性上體現(xiàn)出來。http://fytgc.cn/Products/F57jiansuji.html