基于LSTM-SVM的卷对卷系统预测性维护模型

发布时间：2021-04-21 07:11

　　针对柔性材料卷对卷设备的性能衰退问题,提出了一种LSTM-SVM性能衰退预测模型。通过分析LSTM网络和SVM网络的数学原理,构建了LSTM-SVM网络模型,并根据实验对象及实验数据的特点,设置了性能衰退预测模型的关键参数。最后,将110组长度为1 000个数据点的轴承振动数据作为输入来训练网络模型。通过实验发现,LSTM-SVM模型有效预测了卷对卷设备的性能衰退情况,成功划分了设备的健康状态,准确度为0.535,拟合情况良好,表明该模型在卷对卷设备性能衰退预测方面具有可行性。损失值在模型训练到第7次时收敛,其学习速率比一般的LSTM模型更快。结果表明,LSTM-SVM模型在处理大量数据方面比LSTM模型更具有优势。 

【文章来源】：机电工程技术. 2020,49(11)

【文章页数】：4 页

【文章目录】：
0 引言
1 LSTM-SVM神经网络模型框架
2 基于LSTM-SVM的卷对卷设备性能衰退预测模型建模
    2.2 支持向量机
    2.3 LSTM-SVM神经网络模型参数
3 LSTM-SVM性能衰退预测模型试验研究
    3.1 搭建实验平台
    3.2 实验测试及结果分析
4 结束语



本文编号：3151311