基于LSTM的电子系统间歇故障严重程度识别方法

作     者：李晟 邓江云 周兴龙 李玉晓 徐飞洋 Li Sheng;Deng Jiangyun;Zhou Xinglong;Li Yuxiao;Xu Feiyang

作者机构：江西理工大学理学院赣州341000 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2022年第36卷第3期

页      面：139-148页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(11875149 61565007 61762047)项目资助 

主　　题：长短期记忆 间歇故障 电子系统 故障严重程度 故障注入 

摘      要：间歇故障的累积会导致电子系统健康状态退化,正确识别电子系统间歇故障严重程度是保障系统安全运行、降低维护成本的关键。针对间歇故障特征难以准确提取导致传统识别方法失效的问题。本文提出了一种基于长短期记忆(LSTM)网络的间歇故障严重程度识别方法,首先将间歇故障注入电子系统获取足量不同严重程度的训练数据。再用这些数据训练由LSTM网络与softmax全连接层网络构建的严重程度识别模型。最后,通过对典型电路的故障注入,使用训练好的LSTM网络对间歇故障严重程度进行识别,实验结果证明了方法的有效性和可行性。