基于双向长短时记忆网络模型的汽车搭铁失效故障诊断方法

摘要：

现有车辆电路多数为单线制或者负极搭铁回路,为及时有效发现汽车搭铁失效故障,提出基于Bi-LSTM(双向长短时记忆网络)模型的汽车搭铁失效故障诊断方法.采用最优分数阶傅里叶变换分形维数,将汽车搭铁故障响应信号映射到分数阶空间中计算不同分数阶空间中的故障响应信号分形维数,提取故障特征向量,将其作为Bi-LSTM模型输入,通过Bi-LSTM模型标记特征向量中的异常数据细微差异,经自主学习和训练后,将所有汽车故障信息通过差异性分类,实现搭铁失效故障诊断.实验结果显示:该方法可准确得到所有故障数据变化,避免信号时频部分特性被忽略产生无法分辨现象;可以诊断更多真实异常数据,快速准确检测到故障异常点.

关键词：Bi-LSTM模型、失效故障、搭铁失效、诊断方法、分形维数、特征向量

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省科技厅项目2020GY-120

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：286-292