基于LSTM循环神经网络的DC-DC电路故障预测

作者：姜媛媛; 张书婷

来源：重庆科技学院学报(自然科学版), 2020, 22(04): 59-64.

DOI：10.19406/j.cnki.cqkjxyxbzkb.2020.04.012

• DC-DC电路
• 故障预测
• 长短期记忆网络
• 动态时间弯曲

针对现有DC-DC电路故障预测方法中,循环神经网络梯度消失、长期记忆能力不足、不能有效结合历史状态等问题,提出建立基于长短期记忆网络(LSTM)的DC-DC电路故障预测模型,以提高预测精度。设计150 W升压DC-DC电路加速退化故障预测实验,选择DC-DC电路的输出电压为监测信号,输出电压的中值、峰-峰值及动态时间弯曲(DTW)距离作为电路的故障特征值,预测电路故障。实验结果显示,基于LSTM循环神经网络的DC-DC电路故障预测精度良好。

• 单位
  安徽理工大学