基于深度学习序贯检验的电源车故障诊断方法

• 作者: 周丙相 李炜 蒋栋年
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 长短时间记忆网络 序贯概率比检验 电源车仿真系统 故障诊断
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 仿真支撑平台/系统技术
• 页码范围: 638-648
• 页数: 11页
• 分类号: TP391.9|TP277
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.18-0288

摘要

针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM (Long Short Time Memory)网络与序贯概率比检验SPRT (Sequential Probability Ratio Test)融合的电源车故障诊断方法.该方法基于LATM网络建-电源车的多变量时间序列模型,并引入PRT方法进行自适应多样本故障诊断.经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李炜	兰州理工大学电气工程与信息工程学院	205	1532	17.0	27.0
10	周丙相	兰州理工大学电气工程与信息工程学院	1	0	0.0	0.0