来源：期刊VIP网 时间：
作者：张瑞成;许阳;梁卫征;
单位：华北理工大学电气工程学院;
摘要：针对精轧部分辊缝控制执行器失效和冷却水阀故障难以诊断，且轧制过程具有数据结构复杂、前后时刻有影响、非线性强等特性，提出了基于PCA-LSTM的轧制故障诊断模型。使用主成分分析（PCA）提取精轧部分关键特征，提高了轧制过程网络训练时的迭代速度，降低了LSTM网络的输入维度和预测难度。将提取后的特征数据作为LSTM网络的输入，将故障类别作为输出，使用PCA-LSTM故障诊断模型对两类故障进行诊断。通过比较PCA-LSTM、LSRM、BP神经网络诊断结果表明，采用PCA-LSTM诊断模型后的数据训练网络迭代速度更快，且诊断正确率超过99%，诊断效果优于普通LSTM和BP神经网络。
关键词：LSTM;;主成分分析;;轧制过程;;故障诊断
基金资助：河北省自然科学基金（F2018209201）
