基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对多联机制冷剂充注量故障,提出了一种基于主成分分析‐决策树(PC A‐D T )算法的制冷剂充注量故障检测与诊断方法。该方法先通过数据预处理进行数据清理,然后利用 PCA对原始数据做降维处理,最后将新的数据划分为训练集与测试集,以训练集建立决策树模型进行故障检测与诊断。实验数据测试集的检测与诊断结果验证了该模型的可行性。采集了某多联机在3个地区的实际运行数据,对建立的决策树模型进行进一步的验证,结果表明:该方法对于多联机的制冷剂充注量故障有良好的检测与诊断效果,且检测与诊断效果整体上要优于DT算法。
推荐文章
基于Boosting的多联机制冷剂充注量故障诊断集成模型
Boosting
集成
制冷剂充注量
多联机
故障诊断
热泵机组制冷剂充注量补偿对化霜的改进
除霜
制冷剂充注量
补偿器
热泵
多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络
多联机系统
故障诊断
卷积神经网络
制冷剂充注量故障
正交试验
基于主成分分析和神经网络相结合的制冷剂充注量故障诊断
故障诊断
主元分析
神经网络
多联机故障
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 PCA-DT的多联机制冷剂充注量故障诊断
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 多联机 故障 检测与诊断 主成分分析 决策树 制冷剂 充注量
年,卷(期) 2016,(7) 所属期刊栏目 能源与电气工程
研究方向 页码范围 1-4
页数 4页 分类号 TB65
字数 语种 中文
DOI 10.13245/j.hust.160701
五维指标
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 华中科技大学能源与动力工程学院 150 1067 18.0 25.0
2 李冠男 华中科技大学能源与动力工程学院 18 287 10.0 16.0
3 刘江岩 华中科技大学能源与动力工程学院 16 118 5.0 10.0
4 王江宇 华中科技大学能源与动力工程学院 11 42 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (59)
参考文献  (8)
节点文献
引证文献  (21)
同被引文献  (89)
二级引证文献  (50)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(21)
  • 引证文献(9)
  • 二级引证文献(12)
2019(31)
  • 引证文献(7)
  • 二级引证文献(24)
2020(17)
  • 引证文献(3)
  • 二级引证文献(14)
研究主题发展历程
节点文献
多联机
故障
检测与诊断
主成分分析
决策树
制冷剂
充注量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导