基于学习向量量化神经网络的多联机系统制冷剂充注量故障诊断研究

基于学习向量量化神经网络的多联机系统制冷剂充注量故障诊断研究

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

  • 0 引言
  • 1 制冷剂充注量故障实验
  • 2 基于LVQ的多联机制冷剂充注量故障诊断
  •   2.1 数据预处理
  •   2.2 构建初始LVQ模型
  •   2.3 LVQ模型的训练
  •   2.4 仿真测试
  • 3 故障诊断结果及分析
  •   3.1 参数寻优
  •   3.2 故障诊断结果分析
  • 4 结论
  • 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

    相关论文文献

    标签:;  ;  ;  ;  

    基于学习向量量化神经网络的多联机系统制冷剂充注量故障诊断研究
    下载Doc文档

    猜你喜欢