本文選題：冷水機組　切入點：故障診斷　出處：《北京工業(yè)大學學報》2017年11期

【摘要】：冷水機組作為復雜系統(tǒng),其變量間相關(guān)性嚴重,并且故障時的癥狀和原因具有多樣性,導致了冷水機組的故障診斷較為困難.為了降低數(shù)據(jù)冗余性,提高故障診斷效率,提出一種基于獨立元分析與最小二乘支持向量機相結(jié)合的冷水機組故障診斷方法.首先,運用獨立元分析法提取冷水機組變量的獨立元信息;然后,將提取的獨立元信息作為最小二乘支持向量機的輸入值進行故障類型的識別.利用北京某高校的地鐵車站通風空調(diào)實訓平臺的實驗數(shù)據(jù)驗證該模型的故障診斷性能,并與傳統(tǒng)的冷水機組故障診斷方法進行對比.比較結(jié)果證明基于獨立元分析與最小二乘支持向量機相結(jié)合的冷水機組故障診斷方法優(yōu)于傳統(tǒng)方法.這表明該方法可以有效提取數(shù)據(jù)的高階統(tǒng)計信息,提高故障診斷的效率.
[Abstract]:As a complex system, chillers have serious correlation among variables, and the symptoms and causes of the faults are various, which makes the fault diagnosis of chillers more difficult, in order to reduce the data redundancy and improve the efficiency of fault diagnosis. A fault diagnosis method for chillers based on independent element analysis (ICA) and least square support vector machine (LS-SVM) is proposed. Firstly, the independent element analysis method is used to extract the independent element information of chiller variables. The extracted independent meta-information is used as the input value of the least square support vector machine to identify the fault types. The fault diagnosis performance of the model is verified by the experimental data of the ventilation and air conditioning training platform of a certain university in Beijing. The comparison results show that the fault diagnosis method based on ICA and LS-SVM is superior to the traditional method. High order statistics of data can be extracted effectively, Improve the efficiency of fault diagnosis.
【作者單位】： 北京工業(yè)大學信息學部;城市軌道交通北京實驗室;數(shù)字社區(qū)教育部工程研究中心;計算智能與智能系統(tǒng)北京市重點實驗室;
【基金】：國家自然科學基金資助項目(61174109,61364009)
【分類號】：TB657

【相似文獻】

相關(guān)期刊論文 前10條

1 陳沛;韓旭;姜潮;張正;;基于最小二乘映射的多參數(shù)結(jié)構(gòu)問題快速計算方法[J];中國機械工程;2011年06期

2 錢立新;FLZ—28A型冷水機組故障及處理實例[J];制冷技術(shù);1999年04期

3 向大芳;;支持向量機云檢測方法的穩(wěn)定性分析研究[J];計算機應(yīng)用與軟件;2013年01期

4 任能;谷波;;冷壁面霜層生長的支持向量機模型[J];制冷學報;2007年03期

5 趙春暉;陳萬海;萬建;;一種改進的多類支持向量機超光譜圖像分類方法[J];智能系統(tǒng)學報;2008年01期

6 曹志坤;谷波;顧眾;;基于改進的支持向量機制冷陳列柜優(yōu)化模型[J];上海交通大學學報;2009年09期

7 馬元生;回歸分析與最小二乘圓[J];西安工業(yè)學院學報;1996年01期

8 張紅亮;王水林;呂穎慧;尹小濤;;爆破震動效應(yīng)的支持向量機分析預測[J];礦業(yè)研究與開發(fā);2007年04期

9 歐敏;林從謀;;支持向量機預測高邊坡爆破質(zhì)點振動速度[J];金屬礦山;2011年06期

10 周建永;;支持向量機修正灰色模型在工程價格預測中的應(yīng)用[J];科技通報;2013年07期

相關(guān)會議論文 前4條

1 侯澍e，

本文編號：1660004