来源：期刊VIP网 时间：
作者：刘心怡;李小波;史尚贤;
单位：上海工程技术大学城市轨道交通学院;
摘要：单个产品的剩余寿命预测对系统稳定可靠工作具有重要意义。为了提高电解电容剩余寿命预测的准确性，解决因预测精度偏低导致的系统突发故障问题，提出一种结合遗传算法（GA）与贝叶斯优化（BO）来确定长短期记忆（LSTM）网络超参数的寿命预测方法。首先，使用Hermite插值法对数据进行预处理；接着，分别利用GA和BO对LSTM模型中的初始学习率、L_2正则化系数及隐含层细胞数3个超参数进行全局寻优；然后，将所得的2组超参数中代表相同含义的参数分别作为边界值，构建一种新的参数调优区间，并通过拉丁超立方抽样（LHS）法进行分层抽样，结合均方根误差和平均绝对误差确定最优层数为6层；最后，基于美国航空航天局（NASA）的电解电容加速退化实验数据进行算法验证。结果表明，所提算法的误差相较于LSTM、GA-LSTM、BO-LSTM至少降低了38.57%，具有更高的预测精度。
关键词：剩余寿命预测;;遗传算法;;贝叶斯优化;;长短期记忆网络;;超参数优化;;调优区间;;分层抽样
基金资助：国家自然科学基金资助项目(51907117)
