基于LSTM循环神经网络的DC-DC电路故障预测

• 作者: 姜媛媛 张书婷
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: DC-DC电路 故障预测 长短期记忆网络 动态时间弯曲
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机与自动化技术
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP206+
• 语种: 中文

摘要

针对现有DC-DC电路故障预测方法中,循环神经网络梯度消失、长期记忆能力不足、不能有效结合历史状态等问题,提出建立基于长短期记忆网络(LSTM)的DC-DC电路故障预测模型,以提高预测精度.设计150 W升压DC-DC电路加速退化故障预测实验,选择DC-DC电路的输出电压为监测信号,输出电压的中值、峰-峰值及动态时间弯曲(DTW)距离作为电路的故障特征值,预测电路故障.实验结果显示,基于LSTM循环神经网络的DC-DC电路故障预测精度良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜媛媛		57	320	9.0	16.0
2	张书婷		1	0	0.0	0.0