10.16526/j.cnki.11-4762/tp.2018.03.071
基于LST M的风洞设备健康状态评估方法研究
针对风洞设备健康状态评估中特征提取困难、量化算法复杂等问题,提出了一种基于深度学习的健康度评估方法,利用正常状态样本数据训练 LSTM 编解码器网络并构建特征空间,利用测量数据特征向量与特征空间的欧氏距离衡量健康状态的退化程度,从而高效地实现了系统或设备的健康状态量化评估;经风洞试验室轴流风机转子不平衡故障、长轴轴承裂缝故障等两个数据集进行验证,取得了与设备工作状态一致的健康度评估值,具有很强的工程应用价值.
深度学习、LSTM、健康状态评估
26
TP311(计算技术、计算机技术)
2018-04-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
288-291