文章详情
| 稿件标题： | 基于双向长短时记忆网络模型的汽车搭铁失效故障诊断方法 |
| 稿件作者： | 常红梅 |
| DOI： | 10.11809/bqzbgcxb2022.07.043 |
| 科学编辑： | 曾小华 博士（吉林大学教授、博导） |
| 栏目名称： | 基础理论与应用研究 |
| 关键词： | BiLSTM模型；失效故障；搭铁失效；诊断方法；分形维数；特征向量 |
| 文章摘要： | 现有车辆电路多数为单线制或者负极搭铁回路，为及时有效发现汽车搭铁失效故障，提出基于BiLSTM（双向长短时记忆网络）模型的汽车搭铁失效故障诊断方法。采用最优分数阶傅里叶变换分形维数，将汽车搭铁故障响应信号映射到分数阶空间中计算不同分数阶空间中的故障响应信号分形维数，提取故障特征向量，将其作为BiLSTM模型输入，通过BiLSTM模型标记特征向量中的异常数据细微差异，经自主学习和训练后，将所有汽车故障信息通过差异性分类，实现搭铁失效故障诊断。实验结果显示：该方法可准确得到所有故障数据变化，避免信号时频部分特性被忽略产生无法分辨现象；可以诊断更多真实异常数据，快速准确检测到故障异常点。 |
| 稿件基金： | 陕西省科技厅项目（ 2020GY-120） |
| 引用本文格式： | 常红梅.基于双向长短时记忆网络模型的汽车搭铁失效故障诊断方法［J］.兵器装备工程学报，2022，43(07)：286-292. CHANG Hongmei.Fault diagnosis method based on bidirectional short and long time memory network model［J］.Journal of Ordnance Equipment Engineering，2022，43(07)：286-292. |
| 刊期名称： | 2022年07期 |
| 出版时间： | 2022年7月 |
| 上线时间： | 2022年7月28日 |
| 浏览次数： | 2359 |
| 下载次数： | 324 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |