基于EMWPE-Relief-LSTM的传感器故障诊断方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1006-9348.2021.09.083

基于EMWPE-Relief-LSTM的传感器故障诊断方法

引用
针对传感器故障信号非线性、非平稳性的特点,提出了基于经验多尺度加权排列熵与特征选择长短期记忆网络组合算法(EMWPE-Relief-LSTM)的传感器故障诊断方法.首先,采用集成经验模态分解(EEMD)将传感器输出的时间序列数据分解为本征模态分量(IMFs),利用峭度和方差这两个指标筛选出合适的本征模态分量;其次,计算本征模态分量的多尺度加权排列熵(EMWPE),将熵值作为特征向量;最后,通过Relief算法对故障特征向量降维,将降维后的故障特征向量输入长短期记忆网络(LSTM)分类器.实验结果表明,上述方法的传感器故障诊断准确率为99.3%,可实现传感器故障的精确诊断.

传感器;故障诊断;集成经验模态分解;多尺度加权排列熵;长短期记忆网络

38

TP212(自动化技术及设备)

河北省科技计划项目17214304D

2021-11-08(万方平台首次上网日期,不代表论文的发表时间)

共6页

414-419

相关文献
评论
暂无封面信息
查看本期封面目录

计算机仿真

1006-9348

11-3724/TP

38

2021,38(9)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn