基于循环神经网络的城市智能照明系统故障诊断与预测研究
苏怀英
重庆市城市照明中心,重庆 400023
摘要：针对城市智能照明系统故障诊断效率低、预测能力不足的问题,提出一种基于循环神经网络(RNN)的故障诊断与预测方法,以提高系统运维智能化水平.首先,构建以智慧灯杆为载体的五层系统架构,集成多源传感器数据;然后分析常见故障类型并建立故障特征库;进而设计RNN故障诊断与预测模型,利用其序列建模能力处理时间序列数据;通过反向传播与梯度优化算法训练网络,并引入Dropout和早停策略防止过拟合.通过与BP神经网络模型和LSTM等方法进行实验对比,结果显示RNN模型的故障诊断准确率高达96.7%,预测提前时间可达48 h,均方误差(MSE)较传统BP网络降低 32.5%.验证了RNN在捕捉照明系统运行数据的时序依赖性,提升故障诊断与预测的精度与时效性方面的优势,可为城市照明系统智能运维提供可靠技术支撑.
关键词：智能照明故障诊断故障预测循环神经网络时间序列分析
分类号：TP183(自动化基础理论)
论文发表日期：2026-02-25
在线出版日期：2026-03-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 42-47,58 )
英文信息