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