文献类型：期刊文章

作　　者：王鑫[1] 吴际[1] 刘超[1] 杨海燕[1] 杜艳丽[2] 牛文生[1,3]

WANG Xin1, WU Ji1, LIU Chao1, YANG Haiyan1,DU Yanli2, NIU Wensheng1,3(1. School of Computer Science and Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100083, China; 2. Fengtai Vocational Education Central School, Beijing 100076, China; 3. Aeronautical Computing Technique Research Institute, Aviation Industry Corporation of China, Xi＇ an 710068, Chin)

机构地区：[1]北京航空航天大学计算机学院,北京100083 [2]丰台职业教育中心学校,北京100076 [3]中航工业西安航空计算技术研究所,西安710068

出　　处：《北京航空航天大学学报》

基　　金：中国民用航空专项研究项目(MJ-S-2013-10);国防科工局技术基础项目(JSZL2014601B008);国家自然科学基金(61602237)~~

年　　份：2018

卷　　号：44

期　　号：4

起止页码：772-784

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。

关 键 词：长短期记忆(LSTM)模型  循环神经网络 故障时间序列预测  多层网格搜索  深度学习  

分 类 号：O213.2] V37[数学类]