节点文献

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

免费订阅

【作者】 韩林志陈焕新郭亚宾周镇新

【Author】 HAN Linzhi;CHEN Huanxin;GUO Yabin;ZHOU Zhenxin;School of Energy and Powering Engineering, Huazhong University of Science and Technology;

【机构】 华中科技大学能源与动力工程学院

【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%。

【基金】 国家自然科学基金(No.51876070,No.51576074)
【所属期刊栏目】 设计与研究 (2019年04期)
  • 【分类号】TM925.12;TP183;TP277
  • 【下载频次】49
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: