基于LSTM的金属化膜电容器寿命预测  

作　　者：管梦瑶 

机构地区：[1]江南大学物联网工程学院,江苏无锡214000

出　　处：《科技与创新》2024年第5期102-104,共3页Science and Technology & Innovation

摘　　要：在实际充放电过程中,金属膜电容器的循环容量衰减过程中参与反应的影响因子复杂,是寿命预测的难点。从贴合实际且工程实用的角度出发,在分析老化数据特点的基础上,提出了一种基于长短期记忆网络(Long Short-Term Memory,LSTM)的金属化膜电容器寿命预测方法。所提方法相比于传统循环神经网络预测方法预测精度更高,也更具有工程实用性。

关 键 词：金属膜电容器 长短期记忆网络 寿命预测 深度学习 

分 类 号：TM53[电气工程—电器]