1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着计算机、网络、通信等技术迅猛发展，人工智能也得到了快速发展。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。在现代工业控制方面，故障的产生往往是有先兆的，如果能够及时预测故障发生就能够减少损失，聚焦于利用人工智能进行预测故障发生就显得尤为重要。

人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

2. 研究的基本内容与方案

本文以在一些工业设备中，故障发生的可能性为背景，利用当前采集到的时间序列来判断是否可能有潜在故障。为了能有效的预测序列，我们需要将序列当前状态以及之前状态进行综合考虑，从而完成对下一时刻预测。lstm（long-short-term-memory）是长短记忆网络，适合处理和预测时间序列中间隔和延迟相对较长的重要事件。本次研究主要是对采集到的原始序列进行一个预测，并对预测得到的序列结果做一个分类。利用python完成仿真并分析结果

对于给定序列=(),应用一个标准的rnn模型（如图1所示），我们可以通过迭代公式（1）-（2）计算出一个隐藏层序列=（）和一个输出序列=(),其中，w表示权重系数矩阵（比如表示输入层到隐藏层的权重系数矩阵），b表示偏置向量（比如表示隐藏层的偏置向量），f表示激活函数（比如tanh函数）。

(1)

3. 研究计划与安排

第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第7－9周：编程实现各算法，并进行仿真。

4. 参考文献（12篇以上）

[1] hanson j,yang y,paliwal k, et al.improving protein disorder prediction by deep bidirectional long short-term memory

[2] ma x,tao z,wang y,et al.long short-term memory neural network for traffic speed prediction using remote microwave sensor data[j].transportation research part c emerging

technologies,2015,54:187-197.