典型文献
基于LSTM的电子系统间歇故障严重程度识别方法
文献摘要：
间歇故障的累积会导致电子系统健康状态退化,正确识别电子系统间歇故障严重程度是保障系统安全运行、降低维护成本的关键.针对间歇故障特征难以准确提取导致传统识别方法失效的问题.本文提出了一种基于长短期记忆(LSTM)网络的间歇故障严重程度识别方法,首先将间歇故障注入电子系统获取足量不同严重程度的训练数据.再用这些数据训练由LSTM网络与softmax全连接层网络构建的严重程度识别模型.最后,通过对典型电路的故障注入,使用训练好的LSTM网络对间歇故障严重程度进行识别,实验结果证明了方法的有效性和可行性.
文献关键词：
长短期记忆;间歇故障;电子系统;故障严重程度;故障注入
中图分类号：
作者姓名：
李晟;邓江云;周兴龙;李玉晓;徐飞洋
作者机构：
江西理工大学理学院 赣州 341000
文献出处：
引用格式：
[1]李晟;邓江云;周兴龙;李玉晓;徐飞洋-.基于LSTM的电子系统间歇故障严重程度识别方法)[J].电子测量与仪器学报,2022(03):139-148
A类：
B类：
电子系统,间歇故障,故障严重程度,致电,系统健康状态,保障系统,系统安全,降低维护成本,故障特征,长短期记忆,故障注入,足量,不同严重程度,训练数据,数据训练,softmax,全连接层,网络构建,识别模型,典型电路,练好
AB值：
0.246679
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
