论文摘要
针对暖通空调系统故障而导致的建筑能耗增长问题,本文提出了一种基于学习向量量化(Learning VectorQuantification,LVQ)神经网络的制冷剂充注量故障诊断模型,故障诊断分为数据预处理、建立初始模型、LVQ模型的训练和仿真测试4个步骤,并对隐含层节点数进行了参数寻优。实验共设置9种制冷剂充注量水平,经过数据预处理后选取了12个特征变量,建立了LVQ神经网络建模。将经过数据预处理后的数据集以75%∶25%的比例划分为训练集和测试集,分别用于研究训练和测试模型性能。结果表明:在制冷剂充注量LVQ模型故障诊断中,制冷剂充注量适中、过量和不足的正确率分别为52.5%、70.1%和87.5%,总体故障诊断正确率达到70.0%。
论文目录
文章来源
类型: 期刊论文
作者: 韩林志,陈焕新,郭亚宾,周镇新
关键词: 多联机系统,制冷剂充注量,故障诊断,神经网络
来源: 制冷技术 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
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: TM925.12;TP183;TP277
页码: 19-24+38
总页数: 7
文件大小: 1411K
下载量: 78