基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的多聯(lián)機(jī)系統(tǒng)制冷劑充注量故障診斷研究
關(guān)鍵詞：多聯(lián)機(jī)系統(tǒng) 制冷劑充注量 故障診斷 神經(jīng)網(wǎng)絡(luò)
摘要：針對暖通空調(diào)系統(tǒng)故障而導(dǎo)致的建筑能耗增長問題,本文提出了一種基于學(xué)習(xí)向量量化(LearningVector Quantification,LVQ)神經(jīng)網(wǎng)絡(luò)的制冷劑充注量故障診斷模型,故障診斷分為數(shù)據(jù)預(yù)處理、建立初始模型、LVQ 模型的訓(xùn)練和仿真測試 4 個步驟,并對隱含層節(jié)點數(shù)進(jìn)行了參數(shù)尋優(yōu)。實驗共設(shè)置 9 種制冷劑充注量水平,經(jīng)過數(shù)據(jù)預(yù)處理后選取了 12 個特征變量,建立了 LVQ 神經(jīng)網(wǎng)絡(luò)建模。將經(jīng)過數(shù)據(jù)預(yù)處理后的數(shù)據(jù)集以 75%∶25%的比例劃分為訓(xùn)練集和測試集,分別用于研究訓(xùn)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(dá)到 70.0%。
制冷技術(shù)雜志要求:
{1}文稿中應(yīng)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(guān)鍵詞、中圖分類號、正文、參考文獻(xiàn)。
{2}本刊來稿恕不退還，請作者自留底稿。來稿文責(zé)自負(fù)，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(dān)連帶責(zé)任。
{3}正文中標(biāo)題層次格式:一級標(biāo)題用“一”，居中;二級標(biāo)題用“(一)”;三級標(biāo)題用“1”。盡量不要超過三級標(biāo)題。
{4}參考文獻(xiàn)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(biāo)格式標(biāo)注，如[1]54。
{5}關(guān)鍵詞應(yīng)標(biāo)注能反映論文特征內(nèi)容、通用性較強(qiáng)的、符合主題詞表的術(shù)語為關(guān)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
