首页|基于分类器链的多联机软故障水平辨识研究

基于分类器链的多联机软故障水平辨识研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
多联机空调系统在建筑中已得到广泛应用,在多联机的运行中,软故障较为常见,且难以识别,使系统效率下降.本文以一维卷积神经网络作为基分类器,提出一种基于分类器链的多联机软故障水平辨识模型,使用室外机脏污故障的实验数据,以故障诊断模型为基础设置了基分类器的结构及参数,提出两种新的对数据标签的编码方式.在初步建立软故障水平辨识模型之后,对基分类器中的卷积核数量进行了进一步调整,并提出放大系数以改进标签的编码方式.结果表明:改进后的分类器链模型对室外机脏污故障的诊断准确率可达 96%以上,提高 2%～3%,且本文提出的编码方式不会将故障工况诊断为正常工况,适合在分类器链模型中使用.
Research on Identification of Soft-fault Level in VRF System Based on Classifier Chain

variable refrigerant flowfault detection and diagnosisfault level identificationclassifier chainconvolutional neural net-work

何宇轩、石靖峰、周镇新、陈焕新、任兆亭、夏兴祥、程亨达

展开 >

华中科技大学能源与动力工程学院 武汉 430074

青岛海信日立空调系统有限公司 青岛 266510

多联机 故障检测与诊断 故障程度辨识 分类器链 卷积神经网络

国家自然科学基金

51876070

2023

10.3969/j.issn.0253-4339.2023.05.050

制冷学报
中国制冷学会

制冷学报

CSTPCDCSCD北大核心
影响因子：0.672
ISSN：0253-4339
年,卷(期)：2023.44(5)
  • 12