基于學習向量量化神經(jīng)網(wǎng)絡的多聯(lián)機系統(tǒng)制冷劑充注量故障診斷研究

韓林志; 陳煥新; 郭亞賓; 周鎮(zhèn)新 華中科技大學能源與動力工程學院; 湖北武漢430074

關鍵詞:多聯(lián)機系統(tǒng) 制冷劑充注量 故障診斷 神經(jīng)網(wǎng)絡 

摘要:針對暖通空調(diào)系統(tǒng)故障而導致的建筑能耗增長問題,本文提出了一種基于學習向量量化(LearningVector Quantification,LVQ)神經(jīng)網(wǎng)絡的制冷劑充注量故障診斷模型,故障診斷分為數(shù)據(jù)預處理、建立初始模型、LVQ 模型的訓練和仿真測試 4 個步驟,并對隱含層節(jié)點數(shù)進行了參數(shù)尋優(yōu)。實驗共設置 9 種制冷劑充注量水平,經(jīng)過數(shù)據(jù)預處理后選取了 12 個特征變量,建立了 LVQ 神經(jīng)網(wǎng)絡建模。將經(jīng)過數(shù)據(jù)預處理后的數(shù)據(jù)集以 75%∶25%的比例劃分為訓練集和測試集,分別用于研究訓練和測試模型性能。結(jié)果表明:在制冷劑充注量 LVQ 模型故障診斷中,制冷劑充注量適中、過量和不足的正確率分別為 52.5%、70.1%和87.5%,總體故障診斷正確率達到 70.0%。

制冷技術雜志要求:

{1}文稿中應包括題目、作者姓名、作者單位、所在城市及郵編、中文摘要、中文關鍵詞、中圖分類號、正文、參考文獻。

{2}本刊來稿恕不退還,請作者自留底稿。來稿文責自負,對因抄襲或涉密等侵犯他人版權(quán)或其他權(quán)利的,本刊不承擔連帶責任。

{3}正文中標題層次格式:一級標題用“一”,居中;二級標題用“(一)”;三級標題用“1”。盡量不要超過三級標題。

{4}參考文獻是作者在論文中所參考的圖書報刊等資料的引文,文中序號用數(shù)字加方括號后附所處頁碼、以上標格式標注,如[1]54。

{5}關鍵詞應標注能反映論文特征內(nèi)容、通用性較強的、符合主題詞表的術語為關鍵詞,一般3~8個。

注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社

制冷技術

省級期刊
1個月內(nèi)下單

關注 8人評論|0人關注
相關期刊
服務與支付
国产精品视频线观看26uuu,免费av网站在线观看,免费一级a四片久久精品网,国产成人无码精品久久久露脸
亚洲h成年动漫在线观看 | 亚洲系列日本系列精品 | 亚洲天堂网性爱视频 | 亚洲第一页在线视频 | 亚洲人成影院在线观看 | 中文字幕精品一区在线不卡 |