《基于LSTM的设备故障在线检测方法》PDF+DOC
作者:周剑飞,刘晨
单位:华北计算技术研究所
出版:《计算机工程与应用》2020年第01期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFJSGG2020010390
DOC编号:DOCJSGG2020010399
下载格式:PDF + Word/doc 文字可复制、可编辑
《面向发电设备预测性维护的传感数据特征抽取方法》PDF+DOC2018年第01期 张守利,苏申,刘晨,韩燕波
《关于工业机器人多传感器数据融合技术路径的探讨》PDF+DOC2017年第26期 李胡
《基于深度学习的航空发动机传感器故障检测》PDF+DOC2017年第09期 刘云龙,谢寿生,郑晓飞,边涛
《一种改进的GRU-InFCN人体行为识别模型》PDF+DOC2020年第01期 武一,田小森,张朝旭
《特征提取,缩维和网络计算数据的译释》PDF+DOC1996年第01期 包约翰
《通道式智能传感器原理及其应用》PDF+DOC1995年第03期 文玉梅,李平
《无线传感器网络的不确定传感数据预测》PDF+DOC2012年第06期 焉晓贞,谢红,王桐
《面向船载监控传感网络的复合事件检测方法》PDF+DOC2012年第02期 刘克中,雷鸣,罗广,王龙青,严新平
《实时低功耗无线传感器网络设计》PDF+DOC2013年第01期 张春元
《电感式传感器在吊具导向轮检测中的应用》PDF+DOC2013年第03期 杨江潮,雷志强,李伟,陈大艳
在工业4.0时代,随着IoT的广泛应用,工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中,由于设备之间的关系复杂多变,难以用统一的模型来表示设备的运行状态。近年来,随着深度学习技术的不断发展与进步,深度学习技术成为故障检测的主流解决方案。提出了一种基于长短记忆神经网络的在线故障检测模型,采用曲线排齐方法对传感器数据进行特征提取,基于长短时记忆神经网络(LSTM)开发故障检测模型,最后借助滑动窗口技术实现了设备故障的在线检测以及模型的在线更新。基于真实的发电厂传感数据进行了实验验证,实验结果表明了该方法的有效性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。