基于最大相关最小冗余-随机森林算法的多联机系统在线故障诊断策略研究

• 作者: 刘倩 徐畅 李正飞 王誉舟 陈焕新
• 来源期刊: 制冷技术
• 关键词: 多联机系统 故障诊断 最大相关最小冗余 随机森林 参数寻优
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 设计与研究
• 页码范围: 1-8
• 页数: 8页
• 字数: 5664字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4468.2019.06.101

摘要

为了提高多联机系统制冷剂充注量故障检测率,本文提出一种结合最大相关最小冗余(minimal-Redundancy-Maximal-Relevance,mRMR)和随机森林(Random Forest,RF)算法的在线故障诊断策略.利用mRMR结合RF在训练集上进行特征选择,结合网格搜索和十折交叉验证对随机森林、决策树和支持向量机3种模型进行参数寻优,并将优化后的模型用于测试集中.在多个在线验证集上对mRMR-RF模型进行验证,结果表明:仅选择6个特征变量就可建立准确率达98.63％的随机森林诊断模型;3种诊断模型中,RF算法的诊断效果最好,整体分类准确率达到97.06％;在4个不同在线多联机系统上检验,其分类准确率分别为95.82％、85.74％、88.24％和93.96％,分类准确率均在85％以上.说明基于mRMR-RF的故障诊断模型具有较强的泛化能力.

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	刘倩	华中科技大学能源与动力工程学院	32	91	6.0	8.0
3	李正飞	华中科技大学能源与动力工程学院	10	11	2.0	3.0
4	王誉舟	华中科技大学能源与动力工程学院	3	0	0.0	0.0
5	徐畅	华中科技大学能源与动力工程学院	3	1	1.0	1.0