本文選題：冷水機(jī)組　切入點(diǎn)：故障診斷　出處：《北京工業(yè)大學(xué)學(xué)報(bào)》2017年11期

【摘要】：冷水機(jī)組作為復(fù)雜系統(tǒng),其變量間相關(guān)性嚴(yán)重,并且故障時(shí)的癥狀和原因具有多樣性,導(dǎo)致了冷水機(jī)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(dú)立元分析與最小二乘支持向量機(jī)相結(jié)合的冷水機(jī)組故障診斷方法.首先,運(yùn)用獨(dú)立元分析法提取冷水機(jī)組變量的獨(dú)立元信息;然后,將提取的獨(dú)立元信息作為最小二乘支持向量機(jī)的輸入值進(jìn)行故障類型的識(shí)別.利用北京某高校的地鐵車站通風(fēng)空調(diào)實(shí)訓(xùn)平臺(tái)的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證該模型的故障診斷性能,并與傳統(tǒng)的冷水機(jī)組故障診斷方法進(jìn)行對(duì)比.比較結(jié)果證明基于獨(dú)立元分析與最小二乘支持向量機(jī)相結(jié)合的冷水機(jī)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(jì)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(xué)信息學(xué)部;城市軌道交通北京實(shí)驗(yàn)室;數(shù)字社區(qū)教育部工程研究中心;計(jì)算智能與智能系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61174109,61364009)
【分類號(hào)】：TB657

【相似文獻(xiàn)】

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(wèn)題快速計(jì)算方法[J];中國(guó)機(jī)械工程;2011年06期

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

3 向大芳;;支持向量機(jī)云檢測(cè)方法的穩(wěn)定性分析研究[J];計(jì)算機(jī)應(yīng)用與軟件;2013年01期

4 任能;谷波;;冷壁面霜層生長(zhǎng)的支持向量機(jī)模型[J];制冷學(xué)報(bào);2007年03期

5 趙春暉;陳萬(wàn)海;萬(wàn)建;;一種改進(jìn)的多類支持向量機(jī)超光譜圖像分類方法[J];智能系統(tǒng)學(xué)報(bào);2008年01期

6 曹志坤;谷波;顧眾;;基于改進(jìn)的支持向量機(jī)制冷陳列柜優(yōu)化模型[J];上海交通大學(xué)學(xué)報(bào);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(xué)院學(xué)報(bào);1996年01期

8 張紅亮;王水林;呂穎慧;尹小濤;;爆破震動(dòng)效應(yīng)的支持向量機(jī)分析預(yù)測(cè)[J];礦業(yè)研究與開(kāi)發(fā);2007年04期

9 歐敏;林從謀;;支持向量機(jī)預(yù)測(cè)高邊坡爆破質(zhì)點(diǎn)振動(dòng)速度[J];金屬礦山;2011年06期

10 周建永;;支持向量機(jī)修正灰色模型在工程價(jià)格預(yù)測(cè)中的應(yīng)用[J];科技通報(bào);2013年07期

相關(guān)會(huì)議論文 前4條

1 侯澍e，

本文編號(hào)：1660004