典型文献
基于LSTM的交流接触器剩余寿命预测
文献摘要：
交流接触器在各种低压控制线路中应用极为频繁,因此对其进行剩余寿命预测可以大幅提高电力控制系统的运行稳定性.针对目前交流接触器剩余寿命预测没有充分利用其退化过程前后状态之间联系的问题,提出了一种基于长短期记忆神经网络(long short-term memory,LSTM)的交流接触器剩余寿命预测方法.首先,通过交流接触器全寿命试验平台获取其整个生命周期的退化数据,从中提取出能够反映其运行状态的特征参数;其次,采用灰色关联分析(grey relation analysis,GRA)法和皮尔逊相关系数(Pearson correlation coefficient,PCC)法剔除多维参量的冗余信息,进行特征选择,并将其结果作为预测模型的输入样本;最后进行LSTM预测模型训练.试验结果表明,相比传统循环神经网络(recurrent neural network,RNN),基于LSTM的剩余寿命预测模型能够充分利用全寿命周期时序序列数据的前后关联信息,对交流接触器剩余寿命预测有更高的准确性.
文献关键词：
交流接触器;灰色关联分析;皮尔逊相关系数;特征选择;长短期记忆神经网络;剩余寿命预测
中图分类号：
作者姓名：
刘树鑫;高士珍;刘洋;李静;曹云东
作者机构：
教育部特种电机与高压电器重点实验室(沈阳工业大学),沈阳110870
文献出处：
引用格式：
[1]刘树鑫;高士珍;刘洋;李静;曹云东-.基于LSTM的交流接触器剩余寿命预测)[J].高电压技术,2022(08):3210-3220
A类：
B类：
交流接触器,低压控制线,控制线路,电力控制系统,运行稳定性,长短期记忆神经网络,long,short,term,memory,寿命预测方法,寿命试验,试验平台,退化数据,灰色关联分析,grey,analysis,GRA,皮尔逊相关系数,correlation,coefficient,PCC,参量,冗余信息,特征选择,模型训练,循环神经网络,recurrent,neural,network,RNN,剩余寿命预测模型,全寿命周期,时序序列,序列数据,前后关联,联信
AB值：
0.26354
相似文献
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。
