制冷技术

2019, v.39;No.170(04) 19-24+38

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

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
Research on Fault Diagnosis of Refrigerant Charge in Variable Refrigerant Flow Air-conditioning System Based on Learning Vector Quantization Neural Network

韩林志;陈焕新;郭亚宾;周镇新;

摘要(Abstract):

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 VectorQuantification,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%。

关键词(KeyWords): 多联机系统;制冷剂充注量;故障诊断;神经网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.51876070,No.51576074)

作者(Author): 韩林志;陈焕新;郭亚宾;周镇新;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享