基于遷移學習和CNN-LSTM的水輪機空化狀態(tài)識別方法

摘要： 針對水輪機空化聲發(fā)射信號中包含較多噪聲、依賴人工降噪與特征提取以及深度學習模型準確率極度依賴海量訓練數(shù)據(jù)的問題,提出一種基于遷移學習和卷積神經(jīng)網(wǎng)絡(luò)-長短時記憶網(wǎng)絡(luò)(CNN-LSTM)的水輪機空化狀態(tài)識別方法。首先,將數(shù)據(jù)輸入CNN中提取隱含特征;然后,在LSTM中提取特征隱含的時序信息并輸出空化類型,通過訓練網(wǎng)絡(luò)參數(shù)建立基于CNN-LSTM的空化狀態(tài)識別模型;最后,引入遷移學習... （共8頁）

水輪機空化 聲發(fā)射信號 卷積神經(jīng)網(wǎng)絡(luò) 遷移學習 長短期記憶網(wǎng)絡(luò)