基于SVM的不同故障程度下冷水机组故障诊断

• 作者: 孙楷政 李冠男 胡云鹏 胡文举 陈焕新 黎浩荣
• 来源期刊: 制冷与空调（四川）
• 学科: 工学
• 关键词: 支持向量机 故障诊断 冷水机组 正确率
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 专题研究
• 页码范围: 377-381
• 页数: 5页
• 分类号: TB65
• 字数: 3475字
• 语种: 中文

摘要

冷水机组是一个高度非线性的复杂系统,其系统故障会导致系统的运行偏离正常状态,不仅会造成工作空间空气质量的下降,更会造成机组能耗的增加.在选取RP-1043实验数据中的一组正常数据之后,又选取了其中七组故障数据,建立了训练数据.通过支持向量机(SVM)方法进行分类,以测试其对于冷水机组故障诊断的性能,并采用正确率(correct rate,CP)、命中率(hit rate,HR)、虚警率(false alarm rate,FAR)三个指标来评价模型的分类性能.同时引入四种不同程度故障,分析SVM方法随着故障程度变化的分类准确率变化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈焕新	华中科技大学制冷与低温工程系	150	1067	18.0	25.0
2	胡云鹏	华中科技大学制冷与低温工程系	16	300	10.0	16.0
3	李冠男	华中科技大学制冷与低温工程系	18	287	10.0	16.0
4	孙楷政	华中科技大学制冷与低温工程系	1	5	1.0	1.0
5	胡文举	合肥通用机械研究所国家压缩机技术国家重点实验室	1	5	1.0	1.0