基于LSTM-SVM的卷对卷系统预测性维护模型

• 作者: 黄冠泽
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: LSTM-SVM模型 卷对卷 性能衰退 健康状态
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 研究与开发
• 页码范围: 112-115
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2020.11.032

摘要

针对柔性材料卷对卷设备的性能衰退问题,提出了一种LSTM-SVM性能衰退预测模型.通过分析LSTM网络和SVM网络的数学原理,构建了LSTM-SVM网络模型,并根据实验对象及实验数据的特点,设置了性能衰退预测模型的关键参数.最后,将110组长度为1000个数据点的轴承振动数据作为输入来训练网络模型.通过实验发现,LSTM-SVM模型有效预测了卷对卷设备的性能衰退情况,成功划分了设备的健康状态,准确度为0.535,拟合情况良好,表明该模型在卷对卷设备性能衰退预测方面具有可行性.损失值在模型训练到第7次时收敛,其学习速率比一般的LSTM模型更快.结果表明,LSTM-SVM模型在处理大量数据方面比LSTM模型更具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄冠泽		1	0	0.0	0.0