基于SVM的空调系统智能故障诊断研究

• 作者: 刘顺波 周光伟 段淇倡
• 来源期刊: 安全与环境工程
• 学科: 工学
• 关键词: 支持向量机(SVM) 空调系统 故障诊断 主成分分析(PCA) 参数寻优
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 安全工程
• 页码范围: 139-142,148
• 页数: 5页
• 分类号: X942
• 字数: 3690字
• 语种: 中文

摘要

空调系统作为武器装备管理系统的一部分,在国防工程中的作用至关重要,致使其结构和功能日益复杂,因此对自动检测提出了更高的要求.为了有效地提高空调系统故障诊断的效率和精度,本文提出了一种基于主成分分析(PCA)特征提取的支持向量机(SVM)混合诊断模型.该模型首先进行归一化预处理,消除奇异数据；然后利用主成分分析对数据属性进行简约,消除冗余信息并进行特征提取,支持向量机进行故障诊断；最后采用网格搜索法和交叉验证法对SVM的惩罚函数和核函数参数进行寻优.通过实例验证表明,整个处理过程将诊断识别率从58.0181％提高到了99.953 6％,能有效地进行空调系统的故障诊断和定位,并可实现故障的准确区分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘顺波		39	179	7.0	11.0
2	周光伟		6	8	2.0	2.0
3	段淇倡		6	8	2.0	2.0