基于LSTM循环神经网络的盾构机故障预测系统设计

• 作者: 周奇才 沈鹤鸿 熊肖磊 王益飞 赵炯
• 来源期刊: 现代机械
• 学科: 工学
• 关键词: 故障预测 数据分析 LSTM 分层设计
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 现代制造、工艺装备
• 页码范围: 35-40
• 页数: 6页
• 分类号: TP206+.3
• 字数: 4285字
• 语种: 中文

摘要

针对现有盾构机维护手段仍以定期维护和事后维护为主的问题,并结合如今流行的深度学习模型LSTM(Long-Short-Memory)循环神经网络,本文提出一种适用于盾构机的故障预测系统.系统采用分层结构,包括设备配置层,数据整合层,故障预测层及可视化层.通过整合盾构机实时的相关数据源数据,利用数据分析工具进行关键部件的特征参数选取,并以可视化的方式将系统的诊断结果显示在界面上.分层设计模式降低了系统耦合度,提高了预测系统的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周奇才	同济大学机械与能源工程学院	179	1412	19.0	28.0
2	赵炯	同济大学机械与能源工程学院	130	673	13.0	19.0
3	熊肖磊	同济大学机械与能源工程学院	100	615	14.0	19.0
4	王益飞	同济大学机械与能源工程学院	2	7	1.0	2.0
5	沈鹤鸿	同济大学机械与能源工程学院	7	42	5.0	6.0