改进LSTM-RF算法的传感器故障诊断与数据重构研究

来源：计算机工程与科学杂志2021年第5期北京时间：

作者：林涛, 张达, 王建君

单位：（河北工业大学人工智能与数据科学学院，天津 300130）

摘要：针对传感器的故障诊断与故障数据重构问题，提出一种基于改进型长短期记忆网络（LSTM）和随机森林（RF）的混合算法。首先，运用改进型LSTM算法对传感器的输出序列进行预测，将预测值与实际值作差得到残差序列。然后，通过RF算法对残差序列进行分类，识别出传感器的故障状态。当传感器诊断的结果为故障工作状态时，利用改进型LSTM的预测值重构故障数据。所提的改进LSTM-RF算法在功能上既可以对传感器故障类型进行诊断，又可以对故障数据进行重构。实验结果表明，改进的LSTM-RF算法的传感器故障识别准确率在不同的数据集上均能大于97%，故障数据重构的均方根误差小于4%;相比标准的LSTM-RF算法,改进的LSTM-RF算法在收敛速度提高的同时故障数据重构的精度提高了0.4%。

关键词：传感器,故障诊断,故障数据重构,改进型长短期记忆网络,随机森林,

基金资助：河北省科技计划（17214304D）