基于CAS优化的LSTM循环神经网络的高压断路器故障预测方法研究

• 作者: 张莲 曹阳 王磊
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 航空航天
• 关键词: 高压断路器 故障预测 CAS 时间序列 LSTM TensorFlow
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电气·电子
• 页码范围: 181-187
• 页数: 7页
• 分类号: V351
• 字数: 4650字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.02.025

摘要

在研究真空高压断路器运行历史数据的基础上,提出一种基于长短期记忆(LSTM)循环神经网络的断路器故障时间序列预测方法,采用混沌蚁群(chaotic ant swarm,CAS)优化算法训练LSTM模型,并在TensorFlow深度学习框架上搭建模型仿真,与其他常用的优化训练方法相比,基于CAS优化的LSTM模型具有更高的预测精度和更短的训练步数,且模型简单容易训练.该故障预测方法在基于时间序列的设备故障预测方面有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张莲	重庆理工大学电气与电子工程学院	31	78	5.0	6.0
2	王磊	重庆理工大学电气与电子工程学院	4	11	2.0	3.0
3	曹阳		3	0	0.0	0.0