针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型...针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。展开更多
准确完整地模拟红枣黑变过程中主要成分的连续变化过程,对于明确黑变过程中的变化机理、提高成品质量具有重要的意义.论文首先分析了黑变过程中主要成分变化的时序状态特征,明确模拟过程中必须同时考虑状态变化信息和数值变化信息,选择...准确完整地模拟红枣黑变过程中主要成分的连续变化过程,对于明确黑变过程中的变化机理、提高成品质量具有重要的意义.论文首先分析了黑变过程中主要成分变化的时序状态特征,明确模拟过程中必须同时考虑状态变化信息和数值变化信息,选择能够模拟时序状态变化的长短时间记忆网络（Long Short Term Memory networks,LSTM）作为基础方法;然后根据实验数据采集困难,状态间相关性强的特点,构建卷积长短时间记忆网络模型（Convolutional Long Short Term Memory networks,LSTM,CLSTM）,设计了模型的训练方法,使新模型能够较好地模拟黑变过程主要成分连续变化;选择糠醛为实验对象进行了数值模拟实验,并使用最近插值法、为阶梯插值、线性插值法、2阶B样条曲线插值、3阶B样条曲线插值法作为对比方法,实验分析结果表明,本文提出的方法在平均方差、平均误差、最大误差、最小误差等各个指标上增多明显优于其它方法,能够更好地捕捉黑变过程中主要成分的变化特征,对于揭示黑变过程机理,具有重要的参考和借鉴价值.展开更多
文摘针对电源车健康维护存在的问题,提出了一种基于长短时间记忆LSTM(Long Short Time Memory)网络与序贯概率比检验SPRT(Sequential Probability Ratio Test)融合的电源车故障诊断方法。该方法基于LSTM网络建立电源车的多变量时间序列模型,并引入SPRT方法进行自适应多样本故障诊断。经在电源车仿真系统上进行对比实验,结果表明LSTM诊断模型有更强的学习和映射能力,LSTM-SPRT融合的故障诊断方法,显著提高了电源车故障诊断的准确率和可靠性。
文摘准确完整地模拟红枣黑变过程中主要成分的连续变化过程,对于明确黑变过程中的变化机理、提高成品质量具有重要的意义.论文首先分析了黑变过程中主要成分变化的时序状态特征,明确模拟过程中必须同时考虑状态变化信息和数值变化信息,选择能够模拟时序状态变化的长短时间记忆网络（Long Short Term Memory networks,LSTM）作为基础方法;然后根据实验数据采集困难,状态间相关性强的特点,构建卷积长短时间记忆网络模型（Convolutional Long Short Term Memory networks,LSTM,CLSTM）,设计了模型的训练方法,使新模型能够较好地模拟黑变过程主要成分连续变化;选择糠醛为实验对象进行了数值模拟实验,并使用最近插值法、为阶梯插值、线性插值法、2阶B样条曲线插值、3阶B样条曲线插值法作为对比方法,实验分析结果表明,本文提出的方法在平均方差、平均误差、最大误差、最小误差等各个指标上增多明显优于其它方法,能够更好地捕捉黑变过程中主要成分的变化特征,对于揭示黑变过程机理,具有重要的参考和借鉴价值.
