基于广义S变换和深度置信网络的单向阀故障诊断

针对往复式高压隔膜泵单向阀振动信号受到强噪声污染,导致特征提取难度大的问题,提出了基于广义S变换(GST)和深度置信网络(DBN)的单向阀故障诊断方法。首先使用广义S变换分析单向阀振动信号得到时频分布矩阵,时频能量分布比单一域特征带有更多的特征信息,再使用二维非负矩阵分解(2DNMF)对矩阵降维并提取特征,最后,结合深度置信网络在处理高维非线性数据方面的优势,使用其进行分类识别,实现单向阀故障诊断。将该方法应用到单向阀故障诊断中,实验结果表明,该方法在故障诊断准确率达到100%,且保证了诊断效率,用时仅4. 61 s,证明该方法的有效性和优越性。