摘要
本发明提供一种改进CNN‑Bi‑LSTM的电磁继电器寿命预测方法,包括:第一部分是通过电磁继电器触头加速退化实验,获取性能参数,继而对原始数据进行处理,得到样本数据集。第二部分通过同时考虑到过去和未来的信息,对LSTM算法进行改进,将两个方向的隐藏状态拼接起来形成最终的表示,从而更好地捕捉序列中的上下文关系。第三部分提出利用CNN网络提取特征在高维空间的联系形成预测特征向量,将其输入到Bi‑LSTM神经网络中并添加Dropout层进行训练,最终输出预测的结果,有效降低接触电阻预测的误差,提升继电器触头失效预测的精度。
技术关键词
电磁继电器触头
寿命预测方法
寿命预测模型
预测电磁继电器
LSTM模型
数据
预测输出值
双向长短期记忆网络
非暂态计算机可读存储介质
样本
LSTM神经网络
寿命预测系统
算法
处理器
小波去噪
计算机程序产品
信号
系统为您推荐了相关专利信息
轨迹预测模型
船舶航行轨迹
静态特征
轨迹预测方法
LSTM模型
融合注意力机制
刀具磨损预测方法
LSTM模型
刀具磨损量
小波阈值
能耗监测方法
时间序列特征
注意力机制
精炼车间
演化特征
交通流量预测
信号优化方法
交通信号灯
平均等待时间
信号控制优化方法