改进LSTM-RF算法的传感器故障诊断与数据重构研究

• 作者: 林涛 张达 王建君
• 来源期刊: 计算机工程与科学
• 关键词: 传感器 故障诊断 故障数据重构 改进型长短期记忆网络 随机森林
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 845-852
• 页数: 8页
• 分类号: TM393
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2021.05.011

摘要

针对传感器的故障诊断与故障数据重构问题,提出一种基于改进型长短期记忆网络(LSTM)和随机森林(RF)的混合算法.首先,运用改进型LSTM算法对传感器的输出序列进行预测,将预测值与实际值作差得到残差序列.然后,通过RF算法对残差序列进行分类,识别出传感器的故障状态.当传感器诊断的结果为故障工作状态时,利用改进型LSTM的预测值重构故障数据.所提的改进LSTM-RF算法在功能上既可以对传感器故障类型进行诊断,又可以对故障数据进行重构.实验结果表明,改进的LSTM-RF算法的传感器故障识别准确率在不同的数据集上均能大于97％,故障数据重构的均方根误差小于4％;相比标准的LSTM-RF算法,改进的LSTM-RF算法在收敛速度提高的同时故障数据重构的精度提高了0.4％.