基于分形维数和BiLSTM的离心泵空化状态识别方法

针对离心泵空化状态下压力脉动信号的非线性和复杂程度以及浅层机器学习方法在数据深度挖掘上的不足,提出一种基于分形维数和双向长短时记忆神经网络的离心泵空化状态识别方法。通过离心泵空化试验获得不同空化状态压力脉动信号。采用固有时间尺度分解对压力脉动信号进行处理,筛选出有效分量,计算其盒维数和关联维数,构建空化分形特征向量。将空化特征向量导入基于双向长短时记忆神经网络的空化状态识别模型。研究结果表明,有效分量的盒维数及关联维数随空化系数的变化具有明显的规律性,且模型识别的准确率高达92.8%,能够实现离心泵空化状态的识别。