1.一种频域改进SDP图的泵空化状态识别方法，其特征在于，包括以下步骤：基于离心泵的隔舌测点处的传感器，获取所述离心泵的振动信号；

对所述振动信号进行小波变换和去噪处理，并进行特征提取，获取特征信号；其中，获取所述特征信号的方法包括：对所述振动信号进行小波变换，得到时频图像；基于所述小波变换的结果，对所述时频图像进行去噪处理；基于去噪后的所述时频图像提取特征，获取所述特征信号；所述特征包括频带能量、频带幅值和峰值频率；

基于所述特征信号，对所述特征信号进行SDP图处理，获取多组SDP图像样本集；

将所述SDP图像样本集中的图像输入到卷积神经网络，获取所述离心泵的空化状态和识别结果。

2.根据权利要求1所述的方法，其特征在于，所述振动信号包括所述离心泵在不同流量工况下未空化状态以及空化状态时的振动信号。

3.根据权利要求1所述的方法，其特征在于，所述基于所述特征信号，对所述特征信号进行SDP图处理，获取多组SDP图像样本集的方法，包括：对所述特征信号进行SDP图处理，获取极坐标下的对称图像；

基于所有工况的所述极坐标下的对称图像，获取SDP图像汇总；

对所述SDP图像汇总中的图像进行分类，获取多组所述SDP图像样本集。

4.根据权利要求3所述的方法，其特征在于，所述对所述特征信号进行SDP图处理，获取所述极坐标下的对称图像的方法，包括：基于公式(1)‑(3)对所述SDP图处理，获取所述极坐标下的对称图像；所述公式(1)‑(3)为：其中，xmin为所用一维数据的最小值，xmax为所用一维数据的峰值、xn+1是n+1时的数值，xn是n时的数值，r(n)是SDP图像的半参数、θ(n)和φ(n)是初始线的顺时针和逆时针旋转角度，r是θ和φ之间的间隔数，θ是SDP图像中两个对称图形的旋转角，g是角度放大系数。

5.根据权利要求3所述的方法，其特征在于，所述将所述SDP图像样本集中的图像输入到卷积神经网络，获取所述离心泵的空化状态和识别结果的方法，包括：将不同组的所述SDP图像样本集输入卷积神经网络的输入层；

所述卷积神经网络自动学习特征并进行空化状态的检测，输出所述离心泵的空化状态结果；

基于SDP图的分析方法，对所述离心泵的空化状态进行分类，获取所述离心泵的识别结果。