基于局部异常因子结合神经网络的制冷剂充注量故障诊断

论文摘要

为提升多联机系统故障检测率,本文提出了一种基于局部异常因子结合神经网络的多联机故障诊断方案,并进行制冷剂充注量实验验证该方案的可行性。研究通过局部异常因子（Local Outlier Factor,LOF）法剔除实验原始数据中的异常值,再构建反向传播（Back-Propagation,BP）神经网络进行制冷剂充注量故障诊断,同时优化模型隐含层节点数,进一步提升故障检测率。结果表明:LOF法能有效剔除多联机异常值;较BP神经网络,最优隐含层节点数的LOF-BP神经网络诊断性能增强,整体检测率提高至98.97%。

论文目录

• 0 引言
• 1 多联机制冷剂充注量实验
• 2 LOF-BP多联机故障诊断策略
•   2.1 LOF算法
•   2.2 BP神经网络
•   2.3 LOF-BP多联机故障诊断模型
• 3 制冷剂充注量故障诊断结果
•   3.1 LOF法剔除多联机异常值
•   3.2 制冷剂充注量故障诊断结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 曾宇柯,陈焕新,黄荣庚

关键词: 多联机系统,故障检测与诊断,局部异常因子,神经网络

来源: 制冷技术 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 工业通用技术及设备

单位: 华中科技大学能源与动力工程学院

基金: 国家自然科学基金(No.51876070,No.51576074)

分类号: TB64

页码: 6-10+15

总页数: 6

文件大小: 1534K

下载量: 128