針對VRF系統(tǒng)故障診斷存在的數(shù)據(jù)量大、特征冗余等問題,本文提出一種前向搜索優(yōu)化的集成特征選擇方法,該方法將單一特征選擇方法得到的特征子集進(jìn)行整合,以獲得預(yù)測性能更好的特征變量。首先分別利用mRMR算法、ReliefF算法、隨機(jī)森林算法、Adaboost.M1算法和Boruta特征選擇算法對實驗數(shù)據(jù)進(jìn)行特征選擇,然后利用前向搜索策略得到集成后的特征排序,并與算術(shù)平均、眾數(shù)投票兩種集成方法形成對比。最后,分別采用上述特征選擇方法獲得的關(guān)鍵特征變量作為模型的輸入變量建立相應(yīng)的故障診斷模型,通過對比發(fā)現(xiàn)前向搜索集成獲得了最高的預(yù)測準(zhǔn)確率,選出了最具代表的特征變量。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 前向搜索集成特征選擇原理
    1.1 基學(xué)習(xí)器的選擇
    1.2 集成特征選擇思想
    1.3 集成策略
    1.4 前向搜索集成特征選擇策略
2 故障診斷模型的構(gòu)建
    2.1 數(shù)據(jù)獲取
    2.2 數(shù)據(jù)預(yù)處理
    2.3 故障診斷模型
    2.4 評價標(biāo)準(zhǔn)
3 故障診斷結(jié)果分析
    3.1 前向搜索與單一特征選擇方法對比結(jié)果
    3.2 集成特征選擇方法對比結(jié)果
    3.3 泛化能力檢驗結(jié)果
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于Boosting的多聯(lián)機(jī)制冷劑充注量故障診斷集成模型[J]. 魏文天,李正飛,王譽舟,周鎮(zhèn)新,廖文強,丁新磊,程亞豪,陳煥新.  制冷學(xué)報. 2020(02)
[2]基于決策樹算法的多聯(lián)機(jī)制冷劑泄漏在線故障診斷[J]. 肖坤,李紹斌,譚澤漢,王江宇,陳煥新,李冠男.  制冷技術(shù). 2018(06)
[3]基于ReliefF與mRMR耦合特征選擇的多聯(lián)機(jī)制冷劑充注量故障診斷[J]. 李正飛,譚澤漢,陳煥新,劉江巖,黃榮庚,劉佳慧.  暖通空調(diào). 2018(10)
[4]基于集成特征選擇的盜竊案件預(yù)測方法[J]. 石拓,蔣偉,張晶晶,魏新蕾.  北京理工大學(xué)學(xué)報. 2018(09)
[5]基于離散型Hopfield神經(jīng)網(wǎng)絡(luò)的制冷劑充注量故障診斷的新策略[J]. 尋惟德,李紹斌,譚澤漢,陳煥新,郭亞賓,袁玥.  制冷技術(shù). 2018(03)
[6]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的多聯(lián)機(jī)閥類故障診斷[J]. 郭夢茹,譚澤漢,陳煥新,郭亞賓,黃耀.  制冷學(xué)報. 2018(02)
[7]特征選擇穩(wěn)定性研究綜述[J]. 劉藝,曹建軍,刁興春,周星.  軟件學(xué)報. 2018(09)
[8]基于PCA-DT的多聯(lián)機(jī)制冷劑充注量故障診斷[J]. 王江宇,陳煥新,劉江巖,李冠男.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2016(07)
[9]數(shù)據(jù)挖掘技術(shù)在制冷空調(diào)行業(yè)的應(yīng)用[J]. 陳煥新,孫劭波,劉江巖,李冠男.  暖通空調(diào). 2016(03)
[10]基于ReliefF算法和相關(guān)度計算結(jié)合的故障特征降維方法及其應(yīng)用[J]. 姜萬錄,王友榮,王振威,朱勇.  液壓與氣動. 2015(12)



本文編號：3697349