公开(公告)号：CN117250490A

公开(公告)日：2023-12-19

申请号：CN202311213185.X

申请日：2023-09-20

Applicant: 河北工业大学

Inventor： 刘帼巾 ,  王乐康 ,  杨雨泽 ,  刘达明

IPC: G01R31/327 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明涉及电子元器件寿命预测技术领域，提供一种基于LSTM的剩余电流动作断路器寿命预测方法。该方法包括：搭建加速试验平台，对剩余电流动作断路器进行加速退化试验，获得退化数据，将退化数据划分为训练集和测试集；以训练集为输入向量，基于LSTM搭建第一神经网络，其中训练集为剩余动作电流退化轨迹；定义第一神经网络的神经网络参数，通过概率代理模型拟合目标函数并通过采样函数寻优神经网络参数的参数点；根据优化后的神经网络参数对第一神经网络进行训练获得第二神经网络；将测试集输入至第二神经网络，获得剩余电流动作断路器的寿命预测结果。本发明提高了预测精度及处理时间序列数据精度，并且稳定性较强。

公开(公告)号：CN116559650A

公开(公告)日：2023-08-08

申请号：CN202310698716.2

申请日：2023-06-13

Applicant: 河北工业大学

Inventor： 刘帼巾 ,  刘达明

IPC: G01R31/327

Abstract: 本发明公开一种基于多维样本熵的自动转换开关故障识别方法，属于故障诊断技术领域。该方法首先采集自动转化开关电磁机构的原始故障电流信号，然后将电流信号进行集合经验模态分解，提取各经验模态分量的小波能量熵，频率谱熵及样本熵，对三种信息熵进行标准化处理并计算其多维熵距作为特征向量，其次选择主成分析法对所有特征向量进行降维处理以得到最终的特征矩阵。将故障特征分为多个训练样本和测试样本，然后采用训练样本对基于网格搜索‑交叉验证算法优化的支持向量机的故障识别模型进行训练并进行分类，最后根据分类结果识别样本的故障类型。本发明所提模型在处理多特征融合的故障中具有较高的的创新性，在故障识别过程中具有较高的准确度。