基于EMWPE-Relief-LSTM的传感器故障诊断方法

作者：林涛; 张达; 王建君

来源：计算机仿真, 2021, 38(09): 414-419.

• 传感器
• 故障诊断
• 集成经验模态分解
• 多尺度加权排列熵
• 长短期记忆网络

针对传感器故障信号非线性、非平稳性的特点,提出了基于经验多尺度加权排列熵与特征选择长短期记忆网络组合算法(EMWPE-Relief-LSTM)的传感器故障诊断方法。首先,采用集成经验模态分解(EEMD)将传感器输出的时间序列数据分解为本征模态分量(IMFs),利用峭度和方差这两个指标筛选出合适的本征模态分量;其次,计算本征模态分量的多尺度加权排列熵(EMWPE),将熵值作为特征向量;最后,通过Relief算法对故障特征向量降维,将降维后的故障特征向量输入长短期记忆网络(LSTM)分类器。实验结果表明,上述方法的传感器故障诊断准确率为99.3%,可实现传感器故障的精确诊断。

• 单位
  河北工业大学