基于深度学习LSTM的空调故障诊断

• 作者: 严珂 叶敏超 花君 陆慧娟
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 故障诊断 长短期记忆循环神经网络 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 197-202
• 页数: 6页
• 分类号: TB9
• 字数: 2561字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.02.012

摘要

目的:对空调的故障进行及时的检测排查并减少能源消耗,以减少人力维护成本,保证空调系统高效运行.方法:利用深度学习对空调系统进行准确诊断,使用长期短期记忆(LSTM)神经网络,针对空调的冷水机组故障数据,利用时间序列特性,搭建LSTM分类模型,同时对参数进行优化调整并进行交叉验证,以确定最优的LSTM模型参数及准确地对空调故障标签进行分类.结果:在五种不同空调故障严重程度下,该模型能够较准确的对空调故障进行诊断.结论:通过对比传统循环神经网络和它的另一个变体门控循环网络,该模型故障诊断的准确率较好,并且对新样本的适应性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆慧娟	中国计量大学信息工程学院	101	716	13.0	20.0
2	严珂	中国计量大学信息工程学院	17	72	5.0	8.0
3	叶敏超	中国计量大学信息工程学院	13	27	3.0	4.0
4	花君	中国计量大学信息工程学院	2	0	0.0	0.0