为了实现电动舵机工作过程中多种故障的一体化诊断,提出了一种基于双阶段注意力的长短期记忆网络(DaLSTM)组合模型的故障诊断方法。首先,将电动舵机的多源传感器信号作为输入,采用基于输入注意力和时间注意力的长短期记忆网络(LSTM)自...为了实现电动舵机工作过程中多种故障的一体化诊断,提出了一种基于双阶段注意力的长短期记忆网络(DaLSTM)组合模型的故障诊断方法。首先,将电动舵机的多源传感器信号作为输入,采用基于输入注意力和时间注意力的长短期记忆网络(LSTM)自适应提取原始多源传感器数据中的相关特征,并通过DaLSTM组合模型实现多源传感器的时间序列预测。其次,在故障诊断时间窗口内,以不同工作状态下DaLSTM组合模型预测值与采样值的差值最小为决策函数诊断电动舵机的故障类型。最后,利用公开的美国国家航空航天局(National Aeronautics and Space Administration, NASA)数据集进行时间序列预测和故障诊断实验,对故障类别的平均识别率达到了98.76%,证明了该方法的有效性。展开更多
文摘为了实现电动舵机工作过程中多种故障的一体化诊断,提出了一种基于双阶段注意力的长短期记忆网络(DaLSTM)组合模型的故障诊断方法。首先,将电动舵机的多源传感器信号作为输入,采用基于输入注意力和时间注意力的长短期记忆网络(LSTM)自适应提取原始多源传感器数据中的相关特征,并通过DaLSTM组合模型实现多源传感器的时间序列预测。其次,在故障诊断时间窗口内,以不同工作状态下DaLSTM组合模型预测值与采样值的差值最小为决策函数诊断电动舵机的故障类型。最后,利用公开的美国国家航空航天局(National Aeronautics and Space Administration, NASA)数据集进行时间序列预测和故障诊断实验,对故障类别的平均识别率达到了98.76%,证明了该方法的有效性。
