基于LSTM的水下电子模块温度预测及预警方法
China Offshore Oil and Gas（2022）
摘要
水下电子模块在长期运行中,密闭环境及内部自热现象可能导致其因温度过高而造成性能故障,开展水下电子模块内部温度变化趋势预测及预警研究,对于提高水下控制系统的安全可靠性具有重要意义.基于水下电子模块内部温度传感器的失效模式与机理特征,采用深度学习网络模型超参数网格优化方法,提出了一种基于长短期记忆网络(LSTM)的水下电子模块温度预测模型,建立了基于移动平均技术的水下电子模块温度趋势预测求解方法;构建了一种基于二又决策算法的水下电子模块温度预警优化算法,实现了对水下电子模块温度影响下的故障预警.研究结果表明,所建立的模型各项评价指标均优,RMSE为0.47689,R2为0.792775,可有效实现对水下电子模块内部温度的趋势预测及预警.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要