改进LSTM-RF算法的传感器故障诊断与数据重构研究

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%。