基于CNN-LSTM的液壓自動(dòng)抓梁健康狀態(tài)預(yù)測(cè)

摘要： 針對(duì)監(jiān)測(cè)數(shù)據(jù)下大型水電站自動(dòng)抓梁液壓系統(tǒng)的退化特征提取和健康狀態(tài)預(yù)測(cè)問(wèn)題，基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)和長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM),構(gòu)建一種健康預(yù)測(cè)模型。通過(guò)監(jiān)測(cè)數(shù)據(jù)提取抓梁液壓系統(tǒng)退化特征并實(shí)現(xiàn)預(yù)測(cè)。采用隨機(jī)森林對(duì)狀態(tài)監(jiān)測(cè)信號(hào)與外部環(huán)境因素進(jìn)行選擇，利用CNN充分挖掘狀態(tài)監(jiān)測(cè)數(shù)據(jù)序列的時(shí)空特性，并使用LSTM網(wǎng)絡(luò)捕獲序列數(shù)據(jù)中的信息以及依賴關(guān)系。為驗(yàn)證所提預(yù)測(cè)模型的有效性，采用... （共6頁(yè)）