Este artículo analiza en detalle el uso de la red neuronal de aprendizaje de vectores cuantitativos (LVQ) y el algoritmo de aprendizaje profundo recurrente con memoria a corto plazo (LSTM) para el análisis del estado del equipo de la central eléctrica. Se utilizó la red neuronal LSTM para analizar el estado del molino de carbón, estableciendo la función de activación de la última capa oculta de la red neuronal LSTM como una función Softmax, cuyos valores de salida indican el grado de salud del equipo y la probabilidad de accidente, y se realizó una comparación del análisis del estado del equipo entre la red neuronal LSTM y la red neuronal LVQ. Los resultados mostraron que el modelo de entrenamiento obtenido utilizando la red neuronal LSTM puede obtener una precisión de clasificación del estado del equipo más alta, reduciendo así las tasas de falsas alarmas y falsos positivos en la evaluación del estado del equipo.

equipo de la central eléctrica; aprendizaje automático; aprendizaje profundo; análisis del estado; molino de carbón; red neuronal LSTM; red neuronal LVQ