一种基于1D-CNN的轴流泵空化状态识别方法

本申请公开了一种基于1D‑CNN的轴流泵空化状态识别方法，包括：获取轴流泵的压力脉动信号采样后的压力脉动信号数据；对压力脉动信号数据进行标准化预处理，构建原始数据集；划分训练集以及测试集；构建1D‑CNN神经网络模型；对1D‑CNN神经网络模型进行训练并优化模型参数，获取已训练的1D‑CNN神经网络模型；基于已训练的1D‑CNN神经网络模型以及测试集，并输出识别结果。本申请中的1D‑CNN可直接处理未经特征提取的原始时域信号，识别准确率较高，测试集可达90.83％，尤其在临界与严重空化状态的识别中表现优异，适用于高精度诊断场景。