基于PCA?Clustering的压缩机回液故障诊断

• 作者: 刘江岩 周镇新 孙劭波 李绍斌 王江宇 谭泽汉 郭亚宾 陈焕新
• 来源期刊: 制冷学报
• 学科: 工学
• 关键词: 多联机系统 压缩机回液 故障检测与诊断 聚类分析 主成分分析
• 年，卷（期）: 2018,（4）
• 页码范围: 111-118
• 页数: 8页
• 分类号: TB652|TU831.4|TH165+.3
• 字数: 5273字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-4339.2018.04.111

摘要

在多联机(VRF)空调系统中,压缩机回液将导致能量损失.本文结合大数据提出了一种基于PCA?Clustering的压缩机回液故障诊断的方法.首先提取出故障相关变量,并通过数据预处理,剔除异常值与空值;然后将处理后的数据进行主成分分析(PCA),获取降维后的新主元变量数据;最后将新的主元变量进行聚类分析(Clustering analysis)得到回液故障数据分类标签.结果表明:该方法能够在数据标签未知的情况下,较好的区分不同类别的压缩机回液故障及正常数据,使压缩机回液故障诊断率达到94.29％.

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	李绍斌		11	78	6.0	8.0
3	孙劭波	华中科技大学能源与动力工程学院	4	39	3.0	4.0
4	刘江岩	华中科技大学能源与动力工程学院	16	118	5.0	10.0
5	周镇新	华中科技大学能源与动力工程学院	4	8	2.0	2.0
6	王江宇	华中科技大学能源与动力工程学院	11	42	3.0	6.0
7	郭亚宾	华中科技大学能源与动力工程学院	16	60	4.0	7.0
8	谭泽汉		5	27	2.0	5.0