基于GAN-GRU的电梯制动力矩预测方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：电梯制动器的制动力矩是影响电梯运行安全的关键参数，利用深度学习算法对其进行预测，能为电梯的安全使用和后期维保提供重要参考。基于门控神经网络（GRU）预测模型，结合生成对抗网络（GAN）的基本思想，以1D-CNN作为鉴别器，提高电梯制动力矩预测模型的泛化能力。利用实验数据进行训练，获得的预测结果方均根误差为1.024 4，并与常用的时间序列分析模型如GRU、LSTM等进行对比，结果表明：所提出的方法在电梯的制动力矩预测精度上具有明显的优势。（剩余8535字）

试读结束

目录
monitor