基于膜馈神经网络的焓差试验台故障预测

• 作者: 施骏业 蔡博伟 陈江平
• 来源期刊: 制冷技术
• 关键词: 焓差试验台 故障预测 膜馈神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 分析与实践
• 页码范围: 47-53
• 页数: 7页
• 字数: 5945字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4468.2018.06.204

摘要

本文提出了一种基于膜馈神经网络的焓差试验台故障预测模型,定义了查准膜、查全膜与F1系数作为模型的评判依据.基于空调焓差试验台的长期运行数据,建立膜馈神经网络预测模型,并采取多种优化策略和方式改进模型.最终基于测试集数据进行性能测试,验证了该模型对焓差试验台故障预测的有效性.在一年多的试验工况下,该模型所预测的焓差试验台故障达到了 93.33%的查准膜与 95.02%的查全膜、以及94.14%的F1系数.对焓差试验台使用该模型,可有效预测台架故障,从而采取应对措施,减少试验台架故障导致的损失.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施骏业	上海交通大学制冷与低膜工流研究所	38	196	8.0	12.0
3	陈江平	上海交通大学制冷与低膜工流研究所	219	2738	27.0	38.0
4	蔡博伟	上海交通大学制冷与低膜工流研究所	5	8	1.0	2.0