摘要
本发明属于离心泵故障诊断技术领域，公开了一种基于深度学习的离心泵故障诊断方法，包括如下步骤：部署传感器，采集离心泵在运行时的数据并存储；对数据进行卡尔曼滤波的处理；对数据采用经验模态分解进行时域、频域的特征提取；采用Boruta‑SHAP算法对特征进行筛选并融合；利用已有的离心泵历史故障数据和故障标签数据，结合改进霜冰优化算法对SDAE深度学习故障诊断模型的超参数进行优化和更新，得到优化后的深度学习故障诊断模型；采用优化后的深度学习故障诊断模型对步骤S4融合的特征组合进行识别，得到并输出最终的诊断结果。本发明避免了在特征选择时人为主观性的干扰，使得诊断结果更准确。
