基于长短期记忆网络的Vienna整流器故障预测
王福忠1
乔珊珊1
田广强2
1.河南理工大学 电气工程与自动化学院,河南 焦作 4540002.黄河交通学院 智能工程学院,河南 焦作 454950
摘要：为了掌握Vienna整流器的健康状态,提出基于长短期记忆(LSTM)网络的Vienna整流器故障预测模型.通过对电容和功率MOSFET的退化与故障特征分析,建立Vienna整流器整体电路性能和关键元器件退化之间的关系,选择输出电压变化值ω为整流器的故障特征参数.在此基础上,构建基于LSTM的Vienna整流器故障预测模型,采用Adam优化算法训练预测模型,实现对Vienna整流器故障特征参数的预测.仿真结果表明,该模型预测结果的均方根误差为0.1233,平均绝对百分误差为0.1018,该模型的预测精度较高,能够较好地实现Vienna整流器的故障预测.
关键词：Vienna整流器长短期记忆网络元器件退化故障预测
分类号：TM461(变压器、变流器及电抗器)
资助基金：国家重点研发计划(2016YFC0600906)河南省科技攻关项目(212102210146)
论文发表日期：2023-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 111-117 )
英文信息