基于深度学习序贯检验的电源车故障诊断方法

李炜1，2，3 周丙相1，2，3 蒋栋年1，2，3

1.兰州理工大学电气工程与信息工程学院；2.甘肃省工业过程先进控制重点实验室；3.兰州理工大学电气与控制工程国家级实验教学示范中心

针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(LongShortTime Memory)网络与序贯概率比检验SPRT(SequentialProbabilityRatioTest)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。

长短时间记忆网络；序贯概率比检验；电源车仿真系统；故障诊断

建模与系统仿真

3078-9745

20208

数学与物理