-
题名基于GA-LSTM神经网络的充电桩故障诊断
- 1
-
-
作者
周锦
高天
王强
殷张程
朱金荣
-
机构
扬州大学信息工程学院
-
出处
《现代电子技术》
北大核心
2025年第16期97-104,共8页
-
基金
国家自然科学基金委员会(62375234)
江苏省研究生研究与实践创新计划(KYCX24_3714)。
-
文摘
电动汽车充电设施的充电数据包括电压、电流、温度、功率等时序数据,这些数据具有前一时刻影响关联下一时刻的特点。利用长短期记忆(LSTM)神经网络挖掘数据量中的关联特征,建立工作数据与故障之间的特征模型,可以进行充电桩故障诊断。但LSTM神经网络存在过拟合和易陷入局部最优解的问题,为此,提出一种遗传算法(GA)优化LSTM神经网络的充电桩故障诊断方法。使用遗传算法,通过模拟生物进化过程来搜索最优解,选择适应度高的个体进行繁殖,并引入变异操作逐步优化超参数组合,提高LSTM模型的性能与效率。经与LSTM神经网络的实验结果对比,GA-LSTM神经网络数据预测结果的RMSE值降低56.7%,MPAE值降低60.3%,故障诊断的准确率提升3.2%。因此,GA-LSTM神经网络可以作为一种深度学习技术应用于充电桩故障诊断。
-
关键词
充电桩
数据预测
故障诊断
遗传算法
长短期记忆神经网络
归一化处理
-
Keywords
charging pile
data prediction
fault diagnosis
genetic algorithm
long short-term memory neural network
normalization processing
-
分类号
TN919-34
[电子电信—通信与信息系统]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
