一种基于深度神经网络的流场状态故障检测方法

摘要

本发明公开了一种基于深度神经网络模型的流场状态故障检测方法，包括：(1)采集γ光子信号数据，将数据分段并做去趋势项预处理；(2)对信号数据进行短时傅里叶时频变换分析，得到各振动信号的时频表示，并用伪色彩图显示；(3)利用插值方法缩小图像分辨率并将各图像叠加，形成训练样本和测试样本，作为卷积神经网络的输入；(4)构建深度卷积神经网络模型，包括输入层、两个卷积层、两个池化层、全连接层和softmax分类层和输出层；(5)将训练样本导入模型进行训练并获得卷积特征、池化特征和神经网络结构参数，根据构建的深度神经网络模型对未知的故障信号实现诊断。本发明较现有的时域或频域方法，具有更好的准确性和稳定性。