长短期记忆神经网络在机械状态预测中的应用

作者:陈再发;刘彦呈;刘厶源; 刊名:大连海事大学学报 上传者:刘雪峰

【摘要】为解决递归神经网络(RNN)模型难以训练和梯度消亡现象,引入长短期记忆网络算法(LSTM).介绍长短期记忆网络的基本原理,设计模型的更新算法,并将其应用于机械状态监测领域.以电机轴承数据为样本进行仿真,针对轴承数据的非平稳性,运用经验模态分解方法将其分解为平稳信号,计算本征模态分量能量熵,并将其作为状态特征.利用长短期记忆网络对机械状态单步预测结果与使用支持向量回归机模型的预测结果比较表明,长短期记忆网络在机械状态预测方面可以取得较支持向量回归机更好的效果.

全文阅读

收稿日期:2017-04-05; 修回日期:2017-08-14. 基金项目: 国家自然科学基金资助项目( 51479018; 51379002) ; 中央高校基本科研业务费专项资金资助项目 ( 3132016335) . 作者简介: 陈再发( 1982 - ) ,男,博士生,E-mail: chenzaifa368@ 163. com; 刘彦呈* ( 1963 - ) ,男,博士,教授,博士生 导师,E-mail: liuyc3@ 126. com. 第 44 卷 第 1 期 大连海事大学学报 Vol. 44 No. 1 2018 年 2 月 Journal of Dalian Maritime University Feb. ,  2018 文章编号:1006-7736( 2018) 01-0085-06 doi:10. 16411/j. cnki. issn1006-7736. 2018. 01. 013 长短期记忆神经网络在机械状态预测中的应用 陈再发1,2,刘彦呈* 1,刘厶源1 ( 1. 大连海事大学 轮机工程学院,辽宁 大连 116026;2. 浙江国际海运职业技术学院,浙江 舟山 316021) 摘要:为解决递归神经网络( RNN) 模型难以训练和梯度消亡现象,引入长短期记忆网络算法( LSTM) . 介绍长短期记忆网络的基本原理,设计模型的更新算法,并将其应用于机械状态监测领域. 以电机轴承数据为样本进行仿真,针对轴承数据的非平稳性,运用经验模态分解方法将其分解为平稳信号,计算本征模态分量能量熵,并将其作为状态特征. 利用长短期记忆网络对机械状态单步预测结果与使用支持向量回归机模型的预测结果比较表明,长短期记忆网络在机械状态预测方面可以取得较支持向量回归机更好的效果. 关键词: 长短期记忆( LSTM) ; 神经网络; 机械状态; 预测; 经验模态分解( EMD) ; 能量熵 中图分类号: TP206. 3; U664. 82 文献标志码: A Application of long-short term memory neural network in prediction of mechanical state CHEN Zai-fa1,2,LIU Yan-cheng* 1,LIU Si-yuan1 ( 1. Marine Engineering College,Dalian Maritime University,Dalian 116026,China; 2. Zhejiang International Martime College,Zhoushan 316021,China) Abstract: In order to solve the train suffer and gradient ex-tinction of recurrent neural network ( RNN) ,a long-short term memory network ( LSTM) algorithm was proposed and applied to the monitor of mechanical state ( PMS) after intro-ducing basic principle and designing updating algorithm of model. The simulation was carried out

参考文献

引证文献

问答

我要提问