基于CGALSTM的传感器故障诊断方法

基于CGALSTM的传感器故障诊断方法.pdf
针对多源导航系统故障诊断方法,深度学习已经得到了广泛的应用.卷积神经网络(CNN)和长短时记忆网络(LSTM)作为两种典型的模型,在故障诊断领域已经应用的比较成熟.但是,利用CNN实现对未知复合故障的诊断在精度上仍有待提高.LSTM对前后联系的时间信号更加敏感,但是其隐含层神经元的数量具有随机性,诊断精度仍需进一步提高.为了有效的解决以上问题,本文提出CGA-LSTM模型,首先利用CNN对数据进行特征提取,然后与LSTM模型相结合,并采用遗传算法(GA)对LSTM网络中关键的超参数进行优化,进一步提高了故障诊断的精度.仿真结果表明,利用CGA-LSTM模型进行多源导航系统中传感器故障诊断的准确率可达到92.32％,与CCN和LSTM模型相比具有更好的诊断效果.
作者：张帅帅 张涛
作者单位：东南大学仪器科学与工程学院微惯性仪表与先进导航技术教育部重点实验室中国南京210096
母体文献：第十三届中国卫星导航年会论文集
会议名称：第十三届中国卫星导航年会  
会议时间：2022年12月1日
会议地点：北京
主办单位：中国卫星导航系统管理办公室
语种：chi
分类号：U49F50
关键词：多源导航系统  故障诊断  卷积神经网络  长短时记忆网络
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文

2024-12-3 00:06 上传 基于CGALSTM的传感器故障诊断方法.pdf

文件大小:

639.48 KB

下载次数:

60

高速下载