基于深度神经网络与流形对齐的汽轮机振动故障诊断方法

摘要

本发明的目的在于提供基于深度神经网络与流形对齐的汽轮机振动故障诊断方法，首先通过振动传感器采集振动故障数据，选取特征和故障类别，进一步对于原始数据进行标准化处理，有利于加权和训练；然后构建深度神经网络，提取抽象特征的同时利用流形对齐项维持数据原有几何结构，在分类层预测类别并获取损失函数，最后获得整体目标函数，通过梯度下降法迭代更新网络参数训练模型，直至最大迭代次数，获取最终网络模型，预测故障类别。本发明有助于不同特征指标的加权，加速学习过程。能够挖掘数据复杂结构和抽象特征，提高诊断精度。通过引入流形对齐项，有助于维持样本原始的流形结构，对于分布存在差异的数据，也能取得较好分类结果。