通知公告
交大新闻
11 现在的位置：首页 > 期刊导读 > 2017 > 11 >
基于深度学习的离心泵空化状态识别
【作者】 曹玉良 [1] 明廷锋 [1] 贺国 [2] 苏永生 [1]
【关键词】 离心泵 空化状态识别 深度学习 自动编码器 神经网络
【摘要】空化状态识别是离心泵状态监测的难点之一,为了提高空化状态识别的效果,提出了一种基于深度学习的离心泵空化状态识别方法.首先,采集了在3种工况下泵壳的振动信号,分别构建了振动信号的改进倍频带特征矩阵和时频特征矩阵;然后,基于自动编码器构建了深度学习网络,通过无监督训练自动学习输入数据的特征,利用监督训练对网络的参数进行了调整;最后,运用深度学习网络,对离心泵的4类空化状态进行了分类识别.研究表明,无论是基于改进倍频带特征矩阵还是基于时频特征矩阵,深度学习网络对4类空化状态都有很好的识别效果,尤其是对于弱空化状态,深度学习网络比BP神经网络更有效.
上一篇：第一页
下一篇： 汽车阻尼可调半主动悬架混杂模型预测控制
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号