基于遷移學(xué)習(xí)和CNN-LSTM的水輪機(jī)空化狀態(tài)識(shí)別方法

摘要： 針對(duì)水輪機(jī)空化聲發(fā)射信號(hào)中包含較多噪聲、依賴人工降噪與特征提取以及深度學(xué)習(xí)模型準(zhǔn)確率極度依賴海量訓(xùn)練數(shù)據(jù)的問(wèn)題,提出一種基于遷移學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)-長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(CNN-LSTM)的水輪機(jī)空化狀態(tài)識(shí)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(shí)序信息并輸出空化類型,通過(guò)訓(xùn)練網(wǎng)絡(luò)參數(shù)建立基于CNN-LSTM的空化狀態(tài)識(shí)別模型;最后,引入遷移學(xué)習(xí)... （共8頁(yè)）