论文题目:基于双卷积神经网络的汽车电磁继电器寿命预测方法研究
摘要:汽车电磁继电器作为汽车电器和电子产品中不可或缺的组成部分,其寿命长短直接影响着汽车电器和电子产品的可靠性。若汽车电器因其搭载的汽车电磁继电器失效而发生故障,会带来巨大的经济财产损失和人员伤亡。所以针对汽车电磁继电器的寿命来进行预测和可靠性研究,无论是对于汽车电器设备和电子产品运行的安全性和可靠性还是对其在学术上的研究都具有重要的意义。本文从汽车电磁继电器的寿命参数入手,针对其寿命参数的分布和特点,通过使用人工智能领域的深度学习技术,来对汽车电磁继电器的寿命参数特征进行提取并学习,为此提出一种基于双卷积神经网络的汽车电磁继电器寿命预测方法,并对其进行了深入的研究及改进。针对实验设备测得的影响汽车电磁继电器寿命的相关参数较多,并且测得的参数实验数据都含有较大的噪声。为此提出使用卡尔曼滤波算法来对每个参数进行滤波预处理,同时使用机器学习中的LightGBM和梯度提升树等算法来计算继电器寿命参数的重要性,从而对寿命参数进行选择。利用文中提出的一种基于双自注意力一维卷积神经网络的汽车电磁继电器寿命预测方法,进行了寿命预测实验。该方法使用一维卷积神经网络对汽车继电器寿命参数的整体宏观特征和局部微观特征进行提取,然后输入到自注意力网络中计算其特征的重要性。由于一维卷积神经网络只是对继电器寿命数据的参数特征进行提取,并默认各个特征之间是相互独立的,从而缺乏上下文之间的关系。所以针对该问题,提出一种基于门控循环神经网络和多重混合注意力机制的汽车电磁继电器寿命预测方法,该方法并行于卷积神经网络的基础上添加了一个新的门控循环神经网络,同时在其后添加了一组多重混合注意力网络来对输出特征的重要性进行加权计算,从而提高了继电器寿命预测模型的上下文联系,使模型的预测精度得到较大的提高。为了充分验证双自注意力一维卷积神经网络的汽车电磁继电器寿命预测方法和对其改进的门控循环神经网络以及多重混合注意力机制的性能,本文还以均方根误差为评价指标,对其进行了丰富的对比实验,充分对寿命预测模型的性能进行了评估和验证。
关键词:汽车电磁继电器;寿命预测;深度学习;自注意力机制;卷积神经网络
学科专业:车辆工程
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外汽车继电器寿命预测研究现状
1.2.1 国内汽车继电器寿命预测研究现状
1.2.2 国外汽车继电器寿命预测研究现状
1.3 论文的主要研究内容
2 汽车电磁继电器寿命参数选取及数据预处理
2.1 汽车电磁继电器结构分析及实验装置
2.1.1 汽车电磁继电器结构及原理
2.1.2 继电器寿命实验系统原理及设计
2.1.3 继电器寿命实验系统测试
2.2 基于卡尔曼滤波的继电器寿命参数预处理
2.2.1 卡尔曼滤波算法原理
2.2.2 基于卡尔曼算法的继电器寿命数据滤波
2.3 基于机器学习算法的继电器寿命参数选取
2.3.1 基于LightGBM算法的继电器寿命参数选取
2.3.2 基于梯度提升树算法的继电器寿命参数选取
2.3.3 继电器寿命参数选取实验及结果
2.4 本章小结
3 基于双自注意力一维卷积神经网络汽车继电器寿命预测
3.1 一维卷积神经网络原理及结构
3.1.1 一维卷积层原理及结构
3.1.2 池化层原理及结构
3.1.3 激活层原理及结构
3.2 基于自注意力模型改进网络结构
3.2.1 自注意力模型原理
3.2.2 改进网络结构
3.3 实验结果与性能分析
3.3.1 实验环境及数据预处理
3.3.2 模型训练及参数优化
3.3.3 实验结果分析
3.4 本章小结
4 基于GRU和多重自注意力网络的汽车继电器寿命预测
4.1 门控循环神经网络结构分析
4.1.1 循环神经网络原理及结构
4.1.2 门控单元原理及结构
4.1.3 网络训练及调优
4.2 多重自注意力网络
4.2.1 多重自注意力网络原理
4.2.2 改进网络原理及结构
4.3 实验结果与性能分析
4.3.1 数据预处理
4.3.2 模型训练及优化
4.3.3 模型结果及损失对比
4.4 本章小结
结论
参考文献
致谢
附件