摘要：水下电子模块在长期运行中，密闭环境及内部自热现象可能导致其因温度过高而造成性能故障，开展水下电子模块内部温度变化趋势预测及预警研究，对于提高水下控制系统的安全可靠性具有重要意义。基于水下电子模块内部温度传感器的失效模式与机理特征，采用深度学习网络模型超参数网格优化方法，提出了一种基于长短期记忆网络（LSTM）的水下电子模块温度预测模型，建立了基于移动平均技术的水下电子模块温度趋势预测求解方法；构建了一种基于二叉决策算法的水下电子模块温度预警优化算法，实现了对水下电子模块温度影响下的故障预警。研究结果表明，所建立的模型各项评价指标均优，RMSE为0.476 89,R~2为0.792 775,可有效实现对水下电子模块内部温度的趋势预测及预警。

关键字：水下电子模块;长短期记忆网络模型;移动平均技术;温度趋势预测;预警

ISSN号：1673-1506

卷、期、页：34（1）:161-167

发表日期：2022-02-25

期刊分区（SCI为中科院分区）：无

收录情况：北大中文核心期刊,地学领域高质量科技期刊分级目录（国内T2）

发表期刊名称：中国海上油气

参与作者：安维峥,朱春丽

通讯作者：乔婷婷,杨旭光,祝鸿山

第一作者：王莹莹

论文类型：期刊论文

论文概要：王莹莹,安维峥,乔婷婷,朱春丽,杨旭光,祝鸿山，基于LSTM的水下电子模块温度预测及预警方法，中国海上油气，2022，34（1）:161-167

论文题目：基于LSTM的水下电子模块温度预测及预警方法