辐射器的主动故障诊断:高斯混合模型和LSTM自编码器的组合
Jeong-Geun Lee1,2, Deok-Hwan Kim3, Jang Hyun Lee4
1Department of Smart Digital Engineering, INHA University, Incheon 22212, Republic of Korea.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
本研究介绍了一种主动的散热器故障诊断方法,使用高斯混合模型和长短期内存自动编码器. 该方法通过早期检测故障来提高可靠性,即使在极端的操作条件下也是如此.
科学领域:
- 机械工程 机械工程
- 可靠性工程可靠性工程
- 数据科学数据科学数据科学
背景情况:
- 散热器的可靠性在高温和摩擦环境中至关重要,需要早期检测故障以防止故障.
- 现有的诊断方法可能会遇到复杂的操作状态和以前未遇到的故障.
研究的目的:
- 使用先进的机器学习技术开发用于散热器的主动故障诊断系统.
- 为了提高散热器的可靠性,并通过加速测试实现有效的寿命评估.
主要方法:
- 在正常,未知和故障状态的随机耐用性振动基板测试中收集了散热器振动信号.
- 提取了时间域统计特征,并应用了主要组件分析来减少数据.
- 集成高斯混合模型用于初始分类和长短期内存自动编码器用于高级异常检测.
主要成果:
- 联合高斯混合模型和长期短期记忆方法在散热器故障诊断中表现出有效性.
- 该方法成功捕获了用于异常检测的时间依赖序列,包括新的故障.
- 建议使用模型分布对可靠性寿命评估进行动态值调整.
结论:
- 集成的GMM-LSTM自动编码器模型为散热器故障诊断提供了强大的和可适应的解决方案.
- 这种主动的方法提高了诊断能力,特别是在苛刻的操作环境中.
- 该研究为通过加速寿命测试的动态值来提高可靠性寿命评估奠定了基础.
关键词:
转基因转基因转基因转基因在 LSTM 自动编码器.在PCA中,PCA是PCA.在 PHM PHM 的基础上.检测异常检测异常检测深度学习是一种深度学习.机器学习是机器学习.散热器散热器的使用方法振动 振动 振动是一种振动.更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.7K
04:35Author Spotlight: Simulation and Analysis of the Temperature Rise of Ring Main Unit Equipment
Published on: July 5, 2024
1.9K
