S77減速機重構信號原理。這時可以用小波分析中的多分辨率技術，把Fourier頻譜在定標準上分解為離散迫臨部門和若干離散細節部門。為小波包分解系數作為網絡特征量輸入的神經網絡模式分類模型示意圖，圖中輸出層模式暫定為正常狀態，稍微磨損，嚴峻磨損3種狀態。在故障診斷領域，多采用小波分析和神經網絡的疏松型結合方法。其中第2種類型的小波神經網絡，即狹義上的小波神經網絡，主要用于對非平均性數據對的迫臨。然后把經處理的S77減速機小波包數據代入重構公式(4.60)，經由J層重構之后就可以把這小波包的時域分辨率進步到原來的大小(信號長度恢復)。

齒輪減速機小波包的分解系數的重構信號，即重構某小波包，只需留存這小波包的數據，而把這層中其他小波包的數據置為零。Fourier變換的頻譜譜線非常豐碩，它們譜線值的組合能反映故障的特征，因此可以作為神經網絡的特征輸入向量。該迫臨部門譜線數減少，但S系列齒輪減速器仍留存了原頻譜的主要特征。蝸輪蝸桿減速機小波神經網絡通過上述兩種途徑的結合，形成了廣義上的兩種蝸輪蝸桿NMRV減速機小波神經網絡。同樣方法，節點(3,1)處小波包的頻段為{320～640Hz)，該頻段內大的能量峰值(580W)泛起在420Hz處，此即為S系列減速機Z2齒輪嚙合頻率的2倍頻。考慮到S系列減速機的裝配質量在很大程度上取決于主齒軸承準確的預緊程度和差速器主、被齒輪的準確嚙合位置，(對帶貫通軸中橋主R系列減速器，還有貫通軸軸承的預緊程度)，而這些都取決于調整墊片厚度的準確選取。

把小波分析中的多分辨率技術和Fourier頻譜技術結合起來，也可認為S系列減速機神經網絡提供種輸入向量。分析該減速機的動信號的3層小波包分解結果不丟臉出，在節點(3,0)和節點(3,1)處的小波包分解系數及斜齒輪蝸輪蝸桿減速機重構系數有顯著周期性，S系列減速機觀察它們各自的頻譜圖，已知節點(3,0)處小波的頻段為{0～320Hz}，在這個頻段中210Hz這個頻率所激起的能量高(520W)，而該頻率就是Z2齒輪的嚙合頻率。所以以S系列減速機裝配線擬改變傳統憑經驗試裝選墊，而采用計算機控制丈量尺寸鏈相關尺寸而準確選取調整墊片的厚度。這對蝸輪蝸桿減速機旋轉機械來說將極大簡化輸入特征向量的提取。但蝸輪蝸桿減速機若有512條譜線，則需512個輸入節點，顯然使網絡的結構過于龐大。主、從動齒輪安裝距調整墊片組以智能選墊機采集主減殼、軸承座、過橋箱殼體、S系列減速機軸承等零部件的相關數據，計算機處理、網絡傳輸數據至裝配工位。如經由3層分解，迫臨部門譜線數將降為原來的1/8，即64條。http://m.saneking.com/product/s77jiansuji-cn.html