基于深度神经网络学习算法的压缩机回液故障诊断

• 作者: 张梦华 周镇新 陈焕新 王江宇 袁旭东 曹子涵 钟寒露 胡继孙
• 来源期刊: 制冷技术
• 学科: 工学
• 关键词: 多联机系统 压缩机回液 故障检测与诊断 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究与分析
• 页码范围: 17-23
• 页数: 7页
• 分类号: TP306.3|TB652
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4468.2020.06.103

摘要

为了提高多联机系统压缩机回液故障检测率,本文首次提出了一种基于深度神经网络(Deep Neural Networks,DNN)学习算法的多联机压缩机回液故障诊断模型.故障诊断分为数据变量选取、建立初始模型、DNN模型训练和故障诊断分类预测四个主要步骤.实验共设置3种压缩机状态,选取了17个特征变量,建立了深度神经网络模型.结果表明,深度神经网络学习模型能更高效地检测出两种回液故障,准确率高达99.86％,而且相对于有监督算法的决策树模型无需相关性分析和剪枝过程,相对于无监督算法的聚类分析算法模型无需相关性和主成分分析过程,处理过程简便易操作,且效率相较于两者分别提高了3.48％和5.91％.