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:
为了提高制冷系统故障诊断速度及准确性,提出了基于最小二乘支持向量机(LS-SVM)的制冷系统故障诊断模型,并采用ASHRAE制冷系统故障模拟实验数据进行模型训练与验证.对一台90冷吨(约316kW)的离心式冷水机组的7类制冷循环典型故障进行了实验.研究结果表明,LS-SVM模型对制冷系统七类故障的总体诊断正确率比支持向量机(SVM)诊断模型、误差反向传播(BP)神经网络诊断模型分别提高0.12%和1.32%;尽管对个别局部故障(冷凝器结垢、冷凝器水流量不足、制冷剂含不凝性气体)的诊断性能较SVM模型的略有下降,但对系统故障的诊断性能均有较大改善,特别是对制冷剂泄漏/不足故障;诊断耗时比SVM模型减少近一半,快速性亦有所改善.可见,LS-SVM模型在制冷系统故障诊断中具有良好的应用前景.
推荐文章
基于LS-SVM ARX模型的除湿机故障诊断
故障诊断
除湿机
最小二乘支持向量机
外加输入自回归模型
基于ELMD与LS-SVM的滚动轴承故障诊断方法
ELMD
模式混淆
LS-SVM
滚动轴承
故障诊断
基于LS-SVM和D-S证据理论的轴承故障诊断
信息融合
滚动轴承故障诊断
LS-SVM
D-S证据理论
基于主元分析-概率神经网络的制冷系统故障诊断
主元分析
概率神经网络
制冷系统
故障诊断
优化
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LS-SVM的制冷系统故障诊断
来源期刊 能源研究与信息 学科 工学
关键词 制冷系统 故障诊断 最小二乘支持向量机 误差反向传播 支持向量机
年,卷(期) 2017,(1) 所属期刊栏目 制冷与空调
研究方向 页码范围 1-7
页数 7页 分类号 TB65
字数 4292字 语种 中文
DOI 10.13259/j.cnki.eri.2017.01.001
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 崔晓钰 上海理工大学能源与动力工程学院 112 702 14.0 20.0
2 韩华 上海理工大学能源与动力工程学院 19 134 7.0 11.0
3 卿红 上海理工大学能源与动力工程学院 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (70)
共引文献  (102)
参考文献  (14)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(7)
  • 参考文献(1)
  • 二级参考文献(6)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(9)
  • 参考文献(0)
  • 二级参考文献(9)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(12)
  • 参考文献(4)
  • 二级参考文献(8)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(6)
  • 参考文献(2)
  • 二级参考文献(4)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
制冷系统
故障诊断
最小二乘支持向量机
误差反向传播
支持向量机
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
能源研究与信息
季刊
1008-8857
31-1410/TK
16开
上海市军工路516号
1985
chi
出版文献量(篇)
1034
总下载数(次)
4
论文1v1指导