基于CNN+LSTM神经网络的电液伺服阀故障预测OA北大核心CSTPCD
Fault Prediction of Electro-hydraulic Servo Valve Based on CNN + LSTM Neural Network
针对电液伺服阀故障预测中故障类型复杂多变、早期故障较弱、时间序列难以处理等问题,构建了卷积神经网络(CNN)和长短期记忆神经网络(LSTM)相结合的电液伺服阀故障预测模型,取代人工特征选择和提取,解决故障预测的时序问题.以G761型电液伺服阀为例,利用AMESim软件对伺服阀阀芯磨损和孔板堵塞故障数据集进行了仿真,并用仿真故障数据验证了模型的预测精度.同时将LSTM,CNN,CNN+ LSTM 3种模型针对电液伺服阀故障预测诊断的精度进行对比,C…查看全部>>
贾春玉;康凯旋;高伟;杨东;陈立娟;艾超
燕山大学机械工程学院,河北秦皇岛066004燕山大学机械工程学院,河北秦皇岛066004燕山大学机械工程学院,河北秦皇岛066004燕山大学机械工程学院,河北秦皇岛066004南京工程学院机械工程学院,江苏南京211167燕山大学机械工程学院,河北秦皇岛066004
机械制造
电液伺服阀故障预测卷积神经网络长短期记忆神经网络
《液压与气动》 2020 (12)
173-181,9
评论