基于人工神经网络的离心泵空化故障诊断

摘要

为了研究离心泵空化故障诊断问题,探究人工神经网络在该问题上的预测效果,通过数值仿真的方法对离心泵流场进行模拟,采集不同状态下流场内各点压力值及工作点作为输入特征,以旋转区域气体体积分数为标签特征,对离心泵空化状态进行神经网络建模。使用LSTM和一维卷积网络处理时序数据,并在特征提取阶段添加正则化损失函数以保证网络稀疏性。最终模型在测试集上的分类任务准确率达到95%以上,能够有效地对离心泵空化程度进行诊断。