论文部分内容阅读
为了提高电力电子电路故障预测的准确性和快速性,对所采用的故障特征性能参数利用LIFT保真去噪法进行处理,并根据数据特征划分多个数据窗口,利用长短记忆神经网络LSTM对DC-DC电路特征性能参数达到自适应预测。预测时可自动调整窗口的大小,找到最优的训练集个数,使得预测精度最高。以DC-DC电路中的boost电路为例,以输出电压作为监测信号,并计算特征参数Upp和Uave。根据电路性能设定电压阈值,分别建立基于自适应数据窗的LSTM故障预测模型和基于自适应数据窗的LITF-LSTM故障预测模型,通过对比分析预