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

• 作者: 石书彪 袁玥 郭亚宾 陈焕新 黄耀
• 来源期刊: 制冷技术
• 关键词: 故障诊断 主元分析 神经网络 多联机故障
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 分析与实践
• 页码范围: 45-50
• 页数: 6页
• 字数: 4042字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4468.2017.06.202

摘要

空调设备的能耗在建筑总能耗中占据30％以上的比例,一旦发生故障不及时排除,很可能导致系统能耗增加、设备寿命缩短、人员体感不适甚至影响正常的工作.本文采用一种基于主元分析法(Principal Component Analysis,PCA)与基于反向算法(Back Propagation,BP)的多层前馈神经网络(BP神经网络)相结合的算法,以制冷剂充注量为例,实现了对多联机性能故障的高效诊断.首先收集多联机组实测运行数据,进行一定的数据预处理工作,然后利用PCA提取主元,最终基于BP神经网络训练建立PCA-BP模型进行联机制冷剂充注量的故障诊断.结果表明:PCA-BP神经网络能高效检测多联机制冷剂充注量的故障,较于传统BP神经网络节约了计算时长及计算空时,同时该算法也具有泛化能力,为推广到多联机其他故障的诊断奠定了基础.

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	石书彪	华中科技大学能源与动力工程学院	5	88	4.0	5.0
3	郭亚宾	华中科技大学能源与动力工程学院	16	60	4.0	7.0
4	袁玥	华中科技大学中欧清洁与可再生新能源学院	4	19	2.0	4.0
5	黄耀	华中科技大学能源与动力工程学院	4	35	3.0	4.0