基于深度学习的离心泵空化状态识别

• 作者: 明廷锋 曹玉良 苏永生 贺国
• 来源期刊: 西安交通大学学报
• 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
• 年，卷（期）: 2017,（11）
• 页码范围: 165-172
• 页数: 8页
• 分类号: U664.33
• 语种: 中文
• DOI: 10.7652/xjtuxb201711023

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺国	海军工程大学管理工程系	76	280	8.0	11.0
2	明廷锋	海军工程大学动力工程学院	54	372	10.0	15.0
3	苏永生	海军工程大学动力工程学院	59	432	11.0	18.0
4	曹玉良	海军工程大学动力工程学院	14	92	7.0	8.0