一种基于多对抗注意力网络的离心泵空化迁移识别方法

本发明公开了一种基于多对抗注意力网络的离心泵空化迁移识别方法，包括：采集不同工况下不同空化严重程度的离心泵声信号，构建对应的源域和目标域；基于连续小波变换对来自源域和目标域的声信号进行预处理以生成时频图谱；构建包含残差卷积注意力特征提取器、多对抗分布对齐模块和空化状态分类器的多对抗深度领域自适应网络模型；将有标记的源域数据和无标记的目标域数据同时输入构建的模型中，利用反向传播算法梯度更新网络参数；当总损失函数收敛或网络经过一定次数的迭代更新后，导出整个模型，将目标域数据输入模型中得到空化识别结果。本发明可以实现空化噪声时频特征的准确提取和分类。