LSTM-BP长短时记忆模型的设备寿命预测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：机电装备一体化、集成化程度越来越高,传统测试方法和维护方法难以对设备整体和元器件实现有效监测.为在长时间开机、高使用频率状态下,准确把握设备健康状态,本文结合深度学习中循环神经网络技术,提出了改进型LSTM长短时记忆网络方法,针对传统LSTM网络参数量相对较少的问题,本文使用三层BP结构串联至LSTM结构后构建多参数模型,达到模型泛化能力提高的目的,实现对设备寿命的有效预测.

外文标题：Equipment Life Prediction Based on LSTM-BP Long Short Memory Model

作者：

薛缠明、赵翔宇

展开 >

作者单位：

太原卫星发射中心,太原 036301

关键词：

机电装备神经网络设备寿命 LSTM

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.14.013