基于稀疏自适应S变换的特种设备故障振动信号检测研究

鉴于特种设备的特殊性，其故障的检测尤为重要，而检测特种设备振动信号是发现故障的一种重要手段，基于此种原因，本文提出基于稀疏自适应S变换特种设备故障振动信号检测方法。从特种设备的振动信号时频特征出发，通过稀疏自适应S变换提取特种设备振动信号时频特征图；构建深度卷积神经网络模型，将经过稀疏自适应S变换提取的时频特征图作为网络模型输入样本，经深度学习后，完成特种设备故障振动信号检测，获取设备故障诊断结果。实验结果表明：该方法提取到振动信号特征较好，可清晰表达故障频率，特征表达能力强；可明确检测出特种设备故障发生时间以及故障原因，且检测准确率高。