基于主元分析-概率神经网络的制冷系统故障诊断

• 作者: 崔晓钰 梁晴晴 谷波 韩华
• 来源期刊: 化工学报
• 关键词: 主元分析 概率神经网络 制冷系统 故障诊断 优化
• 年，卷（期）: 2016,（3）
• 页码范围: 1022-1031
• 页数: 10页
• 分类号: TB65
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20151301

摘要

制冷系统由于内部物质形态的多样性以及系统参数间的高度耦合而较为复杂，也增加了出现故障后的检测及诊断难度。针对制冷系统常见的7种故障，包括局部故障与系统故障，运用主元分析法提取故障样本主要特征，对样本进行降维处理后，基于概率神经网络进行故障诊断。主元分析法可将原始的62个参数分解为相互独立的主元，根据累计贡献率选取一定量的主元，并将其样本输入概率神经网络进行故障诊断，结果表明结合主元分析后的概率神经网络在一定范围内对spread值不敏感，不仅诊断正确率有所提高，而且缩短了诊断耗时。可见，主元分析法的使用可有效优化概率神经网络的诊断性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷波	上海交通大学制冷与低温工程研究所	144	1239	17.0	25.0
2	崔晓钰	上海理工大学能源与动力工程学院	112	702	14.0	20.0
3	韩华	上海理工大学能源与动力工程学院	19	134	7.0	11.0
4	梁晴晴	上海理工大学能源与动力工程学院	3	46	3.0	3.0