科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习算法具有强大的时间序列预测能力以及可实时处理大数据海量样本的优势。针对水轮机系统振动故障诊断存在精度低、漏诊及难预测等问题，提出了一种基于深度学习长短时记忆（long short time memory，简称LSTM）网络结合深度置信网络（deep belief networks，简称DBN）的水轮机系统故障预测方法。将小波包能量带与时频域指标信息相结合，提取高维故障统计特征，利用DBN深层网络的自适应特征提取能力对原始故障数据进行高维特征表示，准确地判断故障种类，并凭借LSTM对时序信号强大的预测能力，预测出未来系统可能发生的振动故障。工程实验验证了该算法的有效性。
- 单位
