科研之友
微信
新浪微博
Facebook
分享链接
摘要
如果气体绝缘开关设备突然出现故障不及时处理，将会耽误生产，进而给企业造成一定经济损失，为此，本次研究提出基于时序模型和深度学习的设备故障上限评估算法。利用经验模态分解对时间序列模型中的不规则波动成分平稳化处理，引入深度学习算法中的长短期记忆网络，将二者联立在一起；利用联立算法获取设备故障数据，经过经验模态分解后，得到数据信号的本征模函数分量，从中提取出敏感分量，分析其与原始数据信号之间的关系值和互信息，完成故障数据特征提取；在设备故障上限评估过程中控制参数寻优和收敛性，构建故障深度学习模型，确定好折射系数和反射系数后，实现设备故障的上限评估。对所提方法展开实验测试，结果表明，所提算法具有理想的故障上限评估结果，所得曲线与实际结果曲线之间具有较高的拟合度。由此可证明，所提算法可对设备故障上限进行科学评估，具有一定应用价值。
- 单位
