基于AMCNN-BiLSTM-CatBoost的滚动轴承故障诊断模型研究 被引量：1

1

作者 袁建华 邵星 +1 位作者 王翠香 皋军 《噪声与振动控制》 北大核心 2025年第2期82-89,共8页

针对现有的轴承故障诊断模型存在的分类精度差、运算效率不高的问题,提出一种基于注意力机制-卷积神经网络-双向长短期记忆网络-CatBoost(AMCNN-BiLSTM-CatBoost)的滚动轴承故障诊断模型。首先,对原始振动信号进行下采样技术处理,然后... 针对现有的轴承故障诊断模型存在的分类精度差、运算效率不高的问题,提出一种基于注意力机制-卷积神经网络-双向长短期记忆网络-CatBoost(AMCNN-BiLSTM-CatBoost)的滚动轴承故障诊断模型。首先,对原始振动信号进行下采样技术处理,然后将经过下采样后的振动信号作为模型输入,通过3个不同的卷积模块提取特征,并使用通道注意力模块对提取的特征进行加权融合,然后将经过加权融合后的数据输入到双向长短期记忆网络中进一步地提取时序特征信息,最后输入到CatBoost中进行故障分类。经过实验表明,该模型不仅能够保证故障诊断的高准确率,还可以大大缩短网络的训练时间。 展开更多

关键词 故障诊断 卷积神经网络 双向长短期记忆网络 注意力机制 CatBoost 轴承

在线阅读 下载PDF 职称材料

基于CNN-BiLSTM-Attention的直流微电网故障诊断研究 被引量：2

2

作者 孟宏宇 张建良 +1 位作者 蔡兆龙 李超勇 《中国电机工程学报》 北大核心 2025年第4期1369-1380,I0012,共13页

针对现有直流微电网故障诊断面临的快速性与准确性问题,提出一种融合注意力机制的卷积神经网络(convolutional neural network,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络的故障诊断方法。首先,利用CNN挖... 针对现有直流微电网故障诊断面临的快速性与准确性问题,提出一种融合注意力机制的卷积神经网络(convolutional neural network,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络的故障诊断方法。首先,利用CNN挖掘故障数据在某一时刻的纵向细节特征,并压缩数据长度,降低后续网络训练参数量,以提升故障诊断的快速性;进而,构建以BiLSTM为核心的级联网络,实现对故障数据在故障演化过程中横向历史特征的提取,并融合注意力机制促使模型关注故障时刻数据的特征变化规律,以提升故障诊断的准确性。仿真结果表明,相比于主流故障诊断方法,该文所提方法具有更高的准确率与更快的识别速度,并且对于故障记录数据在噪声干扰、不平衡样本以及小样本等情况下均具有良好的诊断性能。 展开更多

关键词 故障诊断 直流微电网 卷积神经网络 双向长短期记忆网络 注意力机制

在线阅读 下载PDF 职称材料

融合VMD和CNN的轴向柱塞泵配流盘故障诊断方法

3

作者 强熠宇 杨景昆 +2 位作者 石锐 关栋 秦永法 《机床与液压》 北大核心 2025年第16期156-163,共8页

配流盘是轴向柱塞泵关键的部件之一,长期运转会出现磨损,传统的故障诊断依赖于特征提取,但机械运转过程中噪声大,导致有效信号被淹没。针对配流盘故障检测问题,提出一种融合变分模态分解和卷积神经网络的配流盘故障识别方法VMD-CNN-BiLS... 配流盘是轴向柱塞泵关键的部件之一,长期运转会出现磨损,传统的故障诊断依赖于特征提取,但机械运转过程中噪声大,导致有效信号被淹没。针对配流盘故障检测问题,提出一种融合变分模态分解和卷积神经网络的配流盘故障识别方法VMD-CNN-BiLSTM-Attention。利用数据采集系统采集配流盘3种故障状态的振动信号;利用变分模态分解对振动信号进行预处理,并得到本征模态分量;最后,对本征模态分量进行样本熵计算,将得到的熵值输入卷积神经网络与双向长短记忆网络以及注意力机制结合的模型中进行训练,实现轴向柱塞泵配流盘故障分类。实验结果表明:相比VMD-CNN、CNN-BiLSTM、CNN方法,所提VMD-CNN-BiLSTM-Attention配流盘故障诊断方法在分类性能上表现出色,分类准确率最高为99.2%,能够有效提取振动信号特征,从而提高训练效率。 展开更多

关键词 变分模态分解 轴向柱塞泵 卷积神经网络 双向长短记忆 故障诊断

在线阅读 下载PDF 职称材料

基于DAE-BiLSTM-CNN的滚动轴承故障诊断方法 被引量：7

4

作者 王英杰 朱景建 +1 位作者 龚智强 何彦虎 《机械设计》 CSCD 北大核心 2024年第11期123-129,共7页

滚动轴承作为机械设备中的核心组件,其运行状态直接影响系统的安全性与可靠性。由于轴承运转过程中的噪声干扰,传统故障诊断方法存在识别不准确、模型泛化有限等不足。为解决此问题,提出了一种基于DAE-BiLSTM-CNN的滚动轴承故障诊断方... 滚动轴承作为机械设备中的核心组件,其运行状态直接影响系统的安全性与可靠性。由于轴承运转过程中的噪声干扰,传统故障诊断方法存在识别不准确、模型泛化有限等不足。为解决此问题,提出了一种基于DAE-BiLSTM-CNN的滚动轴承故障诊断方法。通过去噪自动编码器(DAE)提高模型去除噪声干扰能力、采用双向长短时记忆网络(BiLSTM)提取轴承运转过程中的时序特征,再采用卷积神经网络(CNN)提取显著特征进行故障判别与分类。采用已公开数据对模型进行训练及超参数优化,并比较了提出的故障诊断模型与现有模型的准确性、精度、召回率及F1分数等性能评价指标。结果表明:相比于现有的故障诊断模型,所提方法具有更高的精度及召回率,验证了该故障诊断模型的准确性及可靠性,同时也说明该诊断方法对于实际工业应用中的滚动轴承故障诊断具备一定的理论参考价值。 展开更多

关键词 滚动轴承 故障诊断 去噪自动编码器 双向长短时记忆网络 卷积神经网络

在线阅读 下载PDF 职称材料

基于机器学习的异步电机故障诊断方法 被引量：6

5

作者 霍琳 胡正宇 +2 位作者 徐海 张磊 盖迪 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第8期18-25,共8页

针对以往异步电机故障诊断中特征提取能力不足导致诊断效果较差的问题,提出了一种基于机器学习的异步电机故障诊断方法,该方法使用了注意力机制(AM)的多尺度卷积神经网络(MSCNN)-双向长短时记忆网络(BiLSTM)的异步电机故障诊断模型,通... 针对以往异步电机故障诊断中特征提取能力不足导致诊断效果较差的问题,提出了一种基于机器学习的异步电机故障诊断方法,该方法使用了注意力机制(AM)的多尺度卷积神经网络(MSCNN)-双向长短时记忆网络(BiLSTM)的异步电机故障诊断模型,通过加入通道注意力机制改进学习机制,使用3种不同尺度提取数据特征,使用BiLSTM对周期故障振动信号进行时序特征的提取,添加自注意力机制关注重点故障特征,引入残差模块减少噪声和冗余数据的影响,最后,通过Softmax分类输出诊断结果。结果表明,该模型能够有效提取数据集中的故障特征,与其他4种常见模型进行对比,体现其稳定性和高诊断性能,针对异步电机故障诊断的准确率达到98.5%。 展开更多

关键词 异步电机 故障诊断 卷积神经网络 双向长短时记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于优化VMD-CNN-BiLSTM的电机轴承智能故障诊断研究 被引量：15

6

作者 曹景胜 于洋 +1 位作者 王琦 董翼宁 《现代电子技术》 北大核心 2024年第12期115-121,共7页

针对滚动轴承早期故障信号较弱及特征数据提取效果差,导致故障诊断准确率低以及故障诊断效率低的问题,提出一种信号处理结合深度神经网络的故障诊断方法。首先,采用变分模态分解(VMD)法提取主轴承振动数据中的特征数据;然后为了确定VMD... 针对滚动轴承早期故障信号较弱及特征数据提取效果差,导致故障诊断准确率低以及故障诊断效率低的问题,提出一种信号处理结合深度神经网络的故障诊断方法。首先,采用变分模态分解(VMD)法提取主轴承振动数据中的特征数据;然后为了确定VMD算法中最佳的模态分量个数K及惩罚参数α,增强特征提取的效果,将最小排列熵作为适应度函数,采用全局优化能力强的正弦混沌自适应鲸鱼优化算法(CAWOA)进行参数的确定,得到最优模态分量;接着,根据最优模态分量构造特征向量,将特征向量作为CNN-BiLSTM网络的输入,实现故障的分类。最后,根据实验平台采集的数据进行实验分析。结果表明,优化VMD-CNN-BiLSTM轴承故障诊断模型相较于其他故障诊断模型,在准确率以及实时性上均有明显提升。 展开更多

关键词 变分模态分解(VMD) 卷积神经网络(CNN) 双向长短期记忆(BiLSTM) 滚动轴承 智能故障诊断 特征数据提取 正弦混沌自适应鲸鱼优化算法

在线阅读 下载PDF 职称材料

基于深度神经网络的UHVDC输电系统故障诊断 被引量：4

7

作者 张峥 原帅 +2 位作者 时伟光 解涛 郝成龙 《电网与清洁能源》 CSCD 北大核心 2024年第7期88-94,共7页

针对传统特高压直流(UHVDC)故障诊断方法存在阈值整定复杂、灵敏度低以及耐受过渡电阻能力较弱的问题,提出了一种将多尺度卷积神经网络(multi-scale convolutional neural network,MCNN)、双向长短时记忆网络(bidirectional long short-... 针对传统特高压直流(UHVDC)故障诊断方法存在阈值整定复杂、灵敏度低以及耐受过渡电阻能力较弱的问题,提出了一种将多尺度卷积神经网络(multi-scale convolutional neural network,MCNN)、双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)和注意力(Attention)机制相结合的UHVDC输电系统故障诊断方法。通过MCNN挖掘标准化后的故障数据不同尺度的空间特征;利用双层BiLSTM获取数据中的时序依赖特征;引入Attention机制为数据的不同特征向量合理分配注意力。结果表明:所提方法在4种评价指标上都优于其他对比算法,能够准确识别UHVDC输电系统的各种区内、外故障和测量故障,并且在面对高阻故障时仍然具有较高的分类精度。 展开更多

关键词 特高压直流 故障诊断 卷积神经网络 双向长短时记忆网络 注意力机制

在线阅读 下载PDF 职称材料

基于VMD-CNN-BiLSTM的轴承故障多级分类识别 被引量：6

8

作者 王祎颜 王衍学 姚家驰 《机电工程》 CAS 北大核心 2024年第9期1554-1564,共11页

双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改... 双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改进的麻雀优化算法——鱼鹰-柯西-麻雀搜索算法(OCSSA)对变分模态分解(VMD)的惩罚因子、模态分量进行了优化,OCSSA算法是将鱼鹰算法和柯西变异策略与麻雀算法进行了融合,形成了一种新的优化算法,该算法利用强大的参数搜索能力获取了更精确的频率特征;然后,利用卷积神经网络(CNN)提取了信号的时域和频域特征,并对特征进行了融合;最后,利用双向长短期记忆网络(BiLSTM)学习了故障的序列模式,完成了故障的多级分类任务。研究结果表明:基于OCSSA算法优化的VMD-CNN-BiLSTM模型在多级轴承故障识别方面表现出明显的优势,平均识别准确率可达98.36%,与CNN-LSTM、CNN-BiLSTM和VMD-BiLSTM模型进行对比,该模型具有更卓越的故障诊断性能、出色的泛化能力和快速的计算速度。这一结果充分验证了该模型在双馈风力发电机轴承故障的多级分类识别任务上的有效性,且适用于在线监测和智能诊断,为实现高效、可靠的风能发电提供了重要的实际应用价值。 展开更多

关键词 双馈风力发电机 变分模式分解-卷积神经网络-双向长短期记忆 鱼鹰-柯西-麻雀搜索算法 轴承故障诊断 多级分类 识别准确率 泛化能力

在线阅读 下载PDF 职称材料

故障树和BAM神经网络在光伏并网故障诊断中的应用 被引量：27

9

作者 李练兵 张秀云 +1 位作者 王志华 王志强 《电工技术学报》 EI CSCD 北大核心 2015年第2期248-254,共7页

介绍了光伏并网发电系统的主要故障模式及故障原因,以及故障树(FT)的理论和双向联想记忆(BAM)神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障,提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法... 介绍了光伏并网发电系统的主要故障模式及故障原因,以及故障树(FT)的理论和双向联想记忆(BAM)神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障,提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法。通过故障树分析法(FTA)得到系统的所有故障模式,然后再由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式与故障分析之间的对应。通过光伏系统故障诊断的实验与应用,结果表明,该方法具有很好的实时性和有效性。 展开更多

关键词 故障树 双向联想记忆神经网络 故障诊断

在线阅读 下载PDF 职称材料

神经元网络在故障诊断中的双向联想记忆法 被引量：18

10

作者 谭民 疏松桂 《自动化学报》 EI CSCD 北大核心 1991年第1期95-99,共5页

本文介绍了神经元网络用于控制系统故障诊断的双向联想记忆法.该方法是根据神经元网络的特点和功能以及控制系统故障诊断的要求而提出.文中首先介绍了双向联想记忆的模型和算法,然后给出一个简单的应用例子.

关键词 神经元网络 故障诊断 双向联想记忆

在线阅读 下载PDF 职称材料

基于神经网络的电机状态监测与早期故障诊断 被引量：7

11

作者 何雨傧 闫桂荣 +3 位作者 徐健学 薛模根 盛玮 杨月诚 《电工技术学报》 EI CSCD 北大核心 1997年第5期41-44,共4页

基于定子不平衡电流的在线检测，探讨了联想记忆神经网络在电机故障诊断中的应用，模拟试验证实了该方法的有效性，为电机故障的在线监测与早期诊断提供了一条新的有效途径。

关键词 电机 故障诊断 神经网络

在线阅读 下载PDF 职称材料

采用变频器故障树为训练样本的BAM神经网络故障诊断方法 被引量：7

12

作者 王新勇 陈涛 《电光与控制》 北大核心 2011年第5期85-89,96,共6页

研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中的应用,提出了一种融合FTA和BAM的故障诊断方法。利用FTA得到系统所有的故障模式,进而由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式和故障分析之间... 研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中的应用,提出了一种融合FTA和BAM的故障诊断方法。利用FTA得到系统所有的故障模式,进而由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式和故障分析之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法对变频器故障诊断进行仿真分析,结果表明该方法用于解决变频器故障问题是有效的。 展开更多

关键词 故障诊断 故障树 BAM神经网络 变频器

在线阅读 下载PDF 职称材料

基于匹配滤波模型神经网络在数控机床故障诊断中的应用 被引量：5

13

作者 宋刚 胡德金 《上海交通大学学报》 EI CAS CSCD 北大核心 2003年第z1期1-5,共5页

为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型.该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能.理论分析和实验结果证明,这种修正模型不仅能正确完成数控... 为了改善双向联想记忆(BAM)神经网络的性能,提出了一种修正模型.该模型能增强神经网络的记忆容量和容错联想能力,具有渐进稳定的特征,并且改进了网络平衡状态的稳定性和吸引性能.理论分析和实验结果证明,这种修正模型不仅能正确完成数控(CNC)机床的故障诊断,而且对于存在干扰的输入信号序列具有很好的容错联想能力. 展开更多

关键词 双向联想记忆神经网络 数控机床电器系统 记忆容量 故障诊断

在线阅读 下载PDF 职称材料

递归联想记忆及在故障诊断中的应用 被引量：3

14

作者 谭民 疏松桂 《自动化学报》 EI CSCD 北大核心 1991年第4期476-480,共5页

本文介绍了神经元网络递归联想记忆模型,并应用于控制系统的故障诊断中.

关键词 递归联想记忆 神经网络 故障 诊断

在线阅读 下载PDF 职称材料

基于CNN-BiLSTM的滚动轴承变工况故障诊断方法 被引量：20

15

作者 董绍江 李洋 +4 位作者 梁天 赵兴新 胡小林 裴雪武 朱朋 《振动．测试与诊断》 EI CSCD 北大核心 2022年第5期1009-1016,1040,共9页

针对变工况和噪声背景下滚动轴承故障难以诊断的问题,提出一种将注意力机制、DropConnect和Dropout混合加入到卷积神经网络双向长短时记忆网络(convolutional neural network-bidirectional long short-term memory,简称CNN-BiLSTM)模... 针对变工况和噪声背景下滚动轴承故障难以诊断的问题,提出一种将注意力机制、DropConnect和Dropout混合加入到卷积神经网络双向长短时记忆网络(convolutional neural network-bidirectional long short-term memory,简称CNN-BiLSTM)模型的滚动轴承故障诊断方法。首先,将滚动轴承不同工况下的各类故障状态的原始振动信号进行预处理,构建标签化的训练数据集和测试数据集;其次,把注意力机制引入到BiLSTM中提取更加重要的深层故障特征,同时将DropConnect和Dropout混合使用分别抑制CNN和BiLSTM网络在训练过程中的过拟合问题,从而得到改进的CNN-BiLSTM模型;然后,将处理后的标签化数据集输入改进的模型中训练;最后,利用Softmax分类器进行故障类别诊断。通过选取不同数据集验证,证明该方法均有较好的泛化性和抗噪能力。 展开更多

关键词 变工况故障诊断 卷积神经网络 双向长短时记忆网络 注意力机制 DropConnect和Dropout

在线阅读 下载PDF 职称材料

故障模式的联想记忆和识别分析 被引量：5

16

作者 杨天奇 《暨南大学学报（自然科学与医学版）》 CAS CSCD 2000年第3期37-41,共5页

分析了故障模式的矩阵存储的机理 ,采用神经网络的联想存储方式来存储故障模式 ,完成故障诊断 针对BAM容量限制问题 ,用了一种多重矩阵存储法有效地解决了这一问题

关键词 神经网络 联想记忆 故障诊断 故障模式 锅炉

在线阅读 下载PDF 职称材料

基于Autoencoder-BLSTM的涡扇发动机剩余寿命预测 被引量：46

17

作者 宋亚 夏唐斌 +2 位作者 郑宇 卓鹏程 潘尔顺 《计算机集成制造系统》 EI CSCD 北大核心 2019年第7期1611-1619,共9页

准确预测涡扇发动机的剩余使用寿命,对于合理制定维护策略,降低维护成本具有重要意义。针对发动机状态监测数据样本量大、维度高的特点,提出一种整合自编码神经网络(Autoencoder)和双向长短期记忆(BLSTM)神经网络优势的混合健康状态预... 准确预测涡扇发动机的剩余使用寿命,对于合理制定维护策略,降低维护成本具有重要意义。针对发动机状态监测数据样本量大、维度高的特点,提出一种整合自编码神经网络(Autoencoder)和双向长短期记忆(BLSTM)神经网络优势的混合健康状态预测模型,优化涡扇发动机的剩余使用寿命预测。首先利用Autoencoder方法作为特征提取工具,对状态监测数据进行压缩,然后利用BLSTM方法捕捉特征双向长程依赖的特性,构建剩余使用寿命的混合深度学习预测模型。基于通用数据集开展测试比较,结果表明Autoencoder-BLSTM混合模型的预测精度优于现有多层感知机、支持向量回归、卷积神经网络和长短期记忆神经网络等方法,可有力支撑涡扇发动机的健康管理与运维决策。 展开更多

关键词 智能服务技术 剩余使用寿命 自编码神经网络 双向长短期记忆神经网络 深度学习 故障诊断 涡扇发动机

在线阅读 下载PDF 职称材料

基于改进一维卷积和双向长短期记忆神经网络的故障诊断方法 被引量：15

18

作者 董永峰 孙跃华 +2 位作者 高立超 韩鹏 季海鹏 《计算机应用》 CSCD 北大核心 2022年第4期1207-1215,共9页

针对工业领域中故障诊断数据存在时序性和夹杂强噪声的特点导致的收敛速度慢以及诊断精度低的问题,提出了一种基于改进一维卷积和双向长短期记忆(1DCNN-BiLSTM)神经网络融合的故障诊断方法。该方法包括故障振动信号的预处理、特征的自... 针对工业领域中故障诊断数据存在时序性和夹杂强噪声的特点导致的收敛速度慢以及诊断精度低的问题,提出了一种基于改进一维卷积和双向长短期记忆(1DCNN-BiLSTM)神经网络融合的故障诊断方法。该方法包括故障振动信号的预处理、特征的自动提取以及振动信号的分类。首先,采用自适应白噪声的完整经验模态分解(CEEMDAN)技术对原始振动信号进行预处理;其次,构建1DCNN-BiLSTM双通道模型,将处理后信号输入双向长短期记忆(BiLSTM)神经网络模型和一维卷积神经网络(1DCNN)模型两个通道,从而对信号的时序相关性特征、局部空间的非相关性特征和弱周期性规律进行充分提取;然后,针对信号夹杂强噪声的问题,对压缩与激励网络(SENet)模块进行改进并将其作用于两个不同的通道;最后,输入全连接层将双通道提取的特征进行融合并借助Softmax分类器实现对设备故障的精确识别。使用凯斯西储大学轴承数据集进行实验,结果表明改进后的SENet模块同时作用于1DCNN通道和stacked BiLSTM通道,1DCNN-BiLSTM双通道模型在保证快速收敛的情况下有最高诊断精度96.87%,优于传统单通道模型,有效提高了机械设备故障诊断效率。 展开更多

关键词 注意力机制 一维卷积神经网络 双向长短期记忆神经网络 双通道 故障诊断

在线阅读 下载PDF 职称材料

基于1DCNN-BiLSTM的电力电缆故障诊断 被引量：12

19

作者 高超 刘泽辉 +1 位作者 曹栋 姚利娜 《郑州大学学报（工学版）》 CAS 北大核心 2023年第5期86-92,共7页

为了提升电力电缆故障诊断的准确率,解决电缆故障诊断中过程烦琐、效率低、识别精度不高等问题,使其能够在电缆故障发生时准确地诊断出故障类型,提出了一种基于连续卷积神经网络(CNN)和双向长短网络记忆(BiLSTM)的电缆故障检测方法。通... 为了提升电力电缆故障诊断的准确率,解决电缆故障诊断中过程烦琐、效率低、识别精度不高等问题,使其能够在电缆故障发生时准确地诊断出故障类型,提出了一种基于连续卷积神经网络(CNN)和双向长短网络记忆(BiLSTM)的电缆故障检测方法。通过Simulink搭建仿真模型,提取单相接地短路、两相接地短路、两相相间短路、三相短路故障的电压信号,构建故障样本集。将信号输入到该网络模型,一维卷积神经网络提取电缆故障信号的局部特征,双向长短时记忆网络捕捉故障信号时序信息,基于自动提取的特征实现对电缆故障的诊断。经仿真结果验证,该方法能够对电力电缆的4种短路故障进行识别和分类,对单相接地短路故障和三相短路故障分类的正确概率达到97%,对两相接地短路和两相相间短路分类的正确概率达到92%,整体准确率达到98.37%。通过对损失函数曲线、准确率曲线的分析,证明该方法能够取得较好的电缆故障诊断效果。最后使用实际数据进行验证,结果表明该方法具有可行性。 展开更多

关键词 电力电缆 故障诊断 一维卷积神经网络 双向长短时记忆网络 短路

在线阅读 下载PDF 职称材料

基于神经网络的水轮机控制系统故障诊断 被引量：1

20

作者 张涛 叶鲁卿 李朝晖 《水电能源科学》 北大核心 1993年第2期88-95,共8页

本文首先简述了水轮机控制系统故障诊断的要求,然后针对一个故障诊断实例,提出了基于神经网络的水轮机控制系统。及故障诊断方法,建立了故障样本与处理对策样本,运用双向联想记忆算法进行了诊断分析,给出了相应的Hopfield网络模型,并用... 本文首先简述了水轮机控制系统故障诊断的要求,然后针对一个故障诊断实例,提出了基于神经网络的水轮机控制系统。及故障诊断方法,建立了故障样本与处理对策样本,运用双向联想记忆算法进行了诊断分析,给出了相应的Hopfield网络模型,并用A/D变换器电路对此进行了硬件实现,最后给出了基于微机利用神经网络对水轮机控制系统进行故障诊断的硬软件实现方案。 展开更多

关键词 水轮机 控制系统 故障诊断

在线阅读 下载PDF 职称材料