10.16526/j.cnki.11-4762/tp.2021.04.010
改进LSTM神经网络在电机故障诊断中的应用
三相异步电机因其结构简单、维护方便、可靠性高等特点被广泛应用到工业生产中,所以保证三相异步电机在生产环境中的安全与稳定运行具有十分重要的意义;传统的三相异步电机故障诊断均采用特征电流法,但在实际应用中由于特征谐波难以分离,从而导致无法判断;采用先进的长短期记忆(LSTM)神经网络以及最新提出的RAdam优化器,在电机正常运转时对其运行特性进行实时采集,通过双峰谱线插值法以及滑窗法提取谐波之后,对电机输出结果进行时序预测和比对;最后以工程中实际电机数据为例,通过测量其故障运行实际数据,验证了该算法的可行性;经实验测试可得,相比于传统神经网络,该算法具有更好的故障检测能力.
长短时记忆网络、时序预测、故障诊断、RAdam优化器、双峰谱线插值法
29
TP274(自动化技术及设备)
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
45-50