基于深度学习的含未知复合故障多传感器信号故障诊断

• 作者: 姚文凯 邢砾文 黄莹
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 深度学习 CNN LSTM FCM 多传感器 未知复合故障 故障诊断
• 年，卷（期）: 2020,（9）
• 页码范围: 93-100
• 页数: 8页
• 分类号: TP277
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2020.09.010

摘要

深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络(CNN,convolution neural networks)和长短时记忆网络(LSTM,long short-term memory networks)就是典型模型之一.CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM(fuzzy C-means)模型.LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度.使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15％,优于CNN模型和LSTM模型,具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄莹	武警工程大学信息工程学院	12	37	4.0	6.0