基于LSTM的金属化膜电容器寿命预测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：在实际充放电过程中,金属膜电容器的循环容量衰减过程中参与反应的影响因子复杂,是寿命预测的难点.从贴合实际且工程实用的角度出发,在分析老化数据特点的基础上,提出了一种基于长短期记忆网络(Long Short-Term Memory,LSTM)的金属化膜电容器寿命预测方法.所提方法相比于传统循环神经网络预测方法预测精度更高,也更具有工程实用性.

作者：

管梦瑶

展开 >

作者单位：

江南大学物联网工程学院,江苏无锡 214000

关键词：

金属膜电容器长短期记忆网络寿命预测深度学习

出版年：

2024

DOI：

10.15913/j.cnki.kjycx.2024.05.028

科技与创新

中国计算机用户协会

科技与创新

ISSN：1008-0570

年,卷(期)：2024.(5)

参考文献量12