根据多级行星齿轮增/减速器的电机输入转速

　　在不同的工况条件下对增/减速器进行实验，从测取的振动波形中提取作为诊断的4个特征参数作为训练与诊断样本，对神经网络进行训练学习与故障诊断测试，可以获得相应的训练和识别诊断结果，把输入特征样本和目标向量之间的对应关系记忆在网络结构上，并将增/减速器工作过程中检测到的振动波形数据输入到已训练好的网络模型，即可得到状态识别诊断结果，根据隶属度最大从属原则可判断故障类型，从而实现对齿轮箱故障的诊断。

　　针对实验室开发的多级行星齿轮增/减速器，实现了对该增/减速器的故障诊断研究。根据多级行星齿轮增/减速器的电机输入转速，得出了增/减速器各级轴端的特征频率，分析了齿轮增/减速器常见的故障征兆。

　　结合专家系统和神经网络的优点，采用D学习律实现专家系统的自学习能力。并在04000Hz的采用频率内，划分8个频带对增/减速器各个轴端测点进行采样。最终以波动频率、相位、振幅及温度4个参量作为诊断特征参数，以轮齿折断、点蚀、轴承表面损伤及轴初始弯曲作为输出，实现多级行星齿轮箱故障的有效诊断。