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
生成PDF 清样下载 引用

复制成功

导出题录

参考文献( GB/T 7714-2015 ) 复制

李炜1，2，3 周丙相1，2，3 蒋栋年1，2，3,. 基于深度学习序贯检验的电源车故障诊断方法[J]. 建模与系统仿真,2020.8. DOI:.
查新格式 NoteExpress RefWorks NoteFirst EndNote Bibtex
摘要:
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。
关键词: 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；
DOI:
基金资助:

查看本期封面目录
建模与系统仿真
ISSN：3078-9745
所属期次： 2020.8
为你推荐

《》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知：

1、审稿结果将于1~7个工作日以邮件告知，请注意查收（包含录用通知书、审稿意见、知网CNKI查重报告）。

2、提交投稿后，若7个工作日之内未接到录用通知，则说明该文章未被录用，请另投他刊。

3、凡投寄本刊稿件，如在内容上有侵权行为或不妥之处，均应文责自负。本刊有权对来稿进行文字编辑、加工和修改，如不同意，请附说明，以便妥善处理。

4、多作者文稿署名时须征得其他作者同意，排好先后次序，通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表，其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库，如作者不同意被收录，请提前申明，未申明者，本刊一律视为同意被收录。

7、请勿一稿多投。