購物車(0)
基于學習向量量化神經網絡的多聯機系統制冷劑充注量故障診斷研究
韓林志; 陳煥新; 郭亞賓; 周鎮新 華中科技大學能源與動力工程學院; 湖北武漢430074
關鍵詞：多聯機系統 制冷劑充注量 故障診斷 神經網絡
摘要：針對暖通空調系統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)神經網絡的制冷劑充注量故障診斷模型,故障診斷分為數據預處理、建立初始模型、LVQ 模型的訓練和仿真測試 4 個步驟,并對隱含層節點數進行了參數尋優。實驗共設置 9 種制冷劑充注量水平,經過數據預處理后選取了 12 個特征變量,建立了 LVQ 神經網絡建模。將經過數據預處理后的數據集以 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或其他權利的，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：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
