基于遷移學習和CNN-LSTM的水輪機空化狀態識別方法

摘要： 針對水輪機空化聲發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據的問題,提出一種基于遷移學習和卷積神經網絡-長短時記憶網絡(CNN-LSTM)的水輪機空化狀態識別方法。首先,將數據輸入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,通過訓練網絡參數建立基于CNN-LSTM的空化狀態識別模型;最后,引入遷移學習... （共8頁）