摘要
提出了一种用于冷水机组故障特征选择的方法,先使用Fisher Score剔除少数对故障类别极不敏感的特征,再利用改进的闪电搜索算法确定特征的权重以及应选个数,从而得到最终的特征子集.在ASHRAE 1043RP数据上进行实验,得到了包含13个参数的冷水机组故障特征子集且大部分是温度参数.采用最近邻算法(k-nearest neighbors,KNN)、随机森林(random forest,RF)、BP(back bropagation)神经网络和门控循环单元(gated recurrent unit,GRU)4种方法求出了每类故障的诊断准确率,与原始数据相比,部分故障诊断精度也有所提高,验证了所选的特征子集的有效性.