长短期记忆神经网络在机械状态预测中的应用

• 作者: 刘厶源 刘彦呈 陈再发
• 来源期刊: 大连海事大学学报
• 学科: 交通运输
• 关键词: 长短期记忆(LSTM) 神经网络 机械状态 预测 经验模态分解(EMD) 能量熵
• 年，卷（期）: 2018,（1）
• 页码范围: 85-90
• 页数: 6页
• 分类号: TP206.3|U664.82
• 语种: 中文
• DOI: 10.16411/j.cnki.issn1006-7736.2018.01.013

摘要

为解决递归神经网络(RNN)模型难以训练和梯度消亡现象,引入长短期记忆网络算法(LSTM).介绍长短期记忆网络的基本原理,设计模型的更新算法,并将其应用于机械状态监测领域.以电机轴承数据为样本进行仿真,针对轴承数据的非平稳性,运用经验模态分解方法将其分解为平稳信号,计算本征模态分量能量熵,并将其作为状态特征.利用长短期记忆网络对机械状态单步预测结果与使用支持向量回归机模型的预测结果比较表明,长短期记忆网络在机械状态预测方面可以取得较支持向量回归机更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘彦呈	大连海事大学轮机工程学院	90	596	12.0	20.0
2	陈再发	大连海事大学轮机工程学院	22	39	4.0	5.0
4	刘厶源	大连海事大学轮机工程学院	10	57	5.0	7.0