基于学习向量量化神经网络的多联机系统制冷剂充注量故障诊断研究

• 作者: 周镇新 郭亚宾 陈焕新 韩林志
• 来源期刊: 制冷技术
• 关键词: 多联机系统 制冷剂充注量 故障诊断 神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 设计与研究
• 页码范围: 19-24,38
• 页数: 7页
• 字数: 4660字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4468.2019.04.104

摘要

针对暖通空调系统故障而导致的建筑能耗增长问题,本文提出了一种基于学习向量量化(Learning Vector Quantification,LVQ)神经网络的制冷剂充注量故障诊断模型,故障诊断分为数据预处理、建立初始模型、LVQ模型的训练和仿真测试4个步骤,并对隐含层节点数进行了参数寻优.实验共设置9种制冷剂充注量水平,经过数据预处理后选取了12个特征变量,建立了LVQ神经网络建模.将经过数据预处理后的数据集以75％:25％的比例划分为训练集和测试集,分别用于研究训练和测试模型性能.结果表明:在制冷剂充注量LVQ模型故障诊断中,制冷剂充注量适中、过量和不足的正确率分别为52.5％、70.1％和87.5％,总体故障诊断正确率达到70.0％.

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	周镇新	华中科技大学能源与动力工程学院	4	8	2.0	2.0
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	韩林志	华中科技大学能源与动力工程学院	1	0	0.0	0.0