基于PCA-Clustering的压缩机回液故障诊断

在多联机(VRF)空调系统中,压缩机回液将导致能量损失。本文结合大数据提出了一种基于PCA-Clustering的压缩机回液故障诊断的方法。首先提取出故障相关变量,并通过数据预处理,剔除异常值与空值;然后将处理后的数据进行主成分分析(PCA),获取降维后的新主元变量数据;最后将新的主元变量进行聚类分析(Clustering analysis)得到回液故障数据分类标签。结果表明:该方法能够在数据标签未知的情况下,较好的区分不同类别的压缩机回液故障及正常数据,使压缩机回液故障诊断率达到94.29%。     

房间空调器中制冷剂R290、R32替代R22的仿真研究

制冷剂R290和R32是R22的主要替代物,受到了许多研究者的青睐。本文先建立了小型房间空调器制冷系统模型。然后在该模型的基础上,对R290、R32替代R22时,制冷系统性能(包括冷凝压力、蒸发压力、吸气压力、排气温度、压缩机功耗、制冷量、COP)的变化进行了研究。结果表明,R290和R32在房间空调器中替代R22有着较大的潜力。     

数据挖掘技术在冷链物流行业的应用

本文基于大数据的背景,简要介绍了数据挖掘的概念,研究对象以及部分算法,并阐述了数据挖掘的基本流程。结合冷链物流行业目前已存在的统计数据,介绍了该行业目前现状,重点阐述了该行业在发展上升过程中所面临的一系列亟待解决的问题;梳理出冷链物流领域大数据的来源及分类;认为应用数据挖掘技术可推进冷链物流行业今后的转型发展,提出了数据挖掘在节能模式识别,智能控制优化以及故障诊断及预测等方面的用途;利用大数据可最终达到完善冷链体系,整合冷链资源,提升产品品质,降低物流成本等效果。     

基于粒子群优化算法和BP神经网络的变频压缩机功率预测

本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型。利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率。本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度。结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1. 11%、2. 64%,3种测试方法下的平均相对误差均小于1%,拟合程度在0. 9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力。     

冷热水三联供空调机组的除霜特性

三联供机组在冬季运行时,由于室外换热器表面结霜会严重影响机组的运行性能和安全系数。本文针对三联供空调机组所采用的除霜策略进行实验,研究了不同化霜温度测点对机组除霜特性的影响。结果表明：当化霜温度传感器置于室外换热器表面的测点2和测点5时,系统在结霜过程中持续波动的时间分别为2280ｓ和220ｓ;除霜时间分别为5min和12min,系统过热度持续为负值的时间分别为185ｓ 和80ｓ。为系统安全考虑,建议化霜温度传感器布置于测点5。     

制冷涡旋压缩机热力性能模型适用性研究

对4种模型的内插、外推性能进行了对比分析。结果表明:遗传算法优化的BP神经网络模型对压缩机热力性能有较好的预测能力,而且有较强的泛化能力。     

基于EWMA-BN的冷水机组故障诊断策略

为提高冷水机组故障诊断的准确度,本文提出一种基于EWMA-BN的冷水机组故障诊断策略。EWMA-BN模型通过EWMA控制图进行故障检测,以其控制限为阈值将各性能指标的故障数据分为高、低、正常3种状态,通过概率统计获得条件概率表,将条件概率表和由专家知识获得的先验概率表输入BN进行故障诊断。利用实验数据从输入模型的证据节点数量、顺序及完整性等方面分析该模型的故障诊断特性。结果表明:EWMA-BN方法对冷水机组常见故障的诊断效果显著,后验概率值(故障诊断结果)均大于0.85,且输入模型的证据节点越多,故障诊断结果越准确,但证据节点输入模型的顺序对最终故障诊断结果无任何影响;对不确定、不完整信息的利用进一步提高了模型的故障诊断能力。采用ASHRAE Project提供的数据对EWMA-BN模型进行验证,故障诊断结果良好。     

基于数据挖掘的冷水机组能耗预测

为了充分利用能源站冷水机组实际运行数据,提高能耗预测准确率,提出了一种基于数据挖掘算法的冷水机组能耗预测模型。该模型包含3个主要步骤:数据预处理、模型建立及分析、结果表述。在模型选择上,利用支持向量机、径向基函数神经网络及决策树3种算法建模并对比分析。结果表明:基于数据挖掘的能耗预测模型有较好的实用性与可靠性;相比其他2种模型,径向基函数神经网络模型的均方根误差值平均降低了0.661,相关系数达到0.999,即径向基函数神经网络的能耗预测准确率最高,建模效果最佳。     

平板式血浆速冻机蒸发器运行特性试验研究

为了优化平板式血浆速冻机蒸发器冷板结构,提高血浆速冻机冷冻效率,使血浆冷冻温度更为均匀,本文分别对折流式蒸发器和扇面式蒸发器进行了数值模拟以及相关的试验研究。基于数值模拟结果以及试验结果表明:与折流式流路的蒸发器相比,扇面式流路的蒸发器传热效果更好,其温度场分布更均匀。这对于提高速冻机性能,保证输送血浆的质量有一定的促进意义。     

基于离散型Hopfield神经网络的制冷剂充注量故障诊断的新策略

本文提出了一种应用离散型Hopfield神经网络(Discrete Hopfield Neural Network,DHNN)对制冷剂充注量故障进行诊断的新策略。首先对数据进行清理,然后将原始数据集划分为训练集和测试集,接着对数据进行二值化处理,最后以训练集建立DHNN模型进行故障检测与诊断。实验数据测试集的检测与诊断结果验证了该策略可以用于制冷剂充注量的故障诊断。测试结果表明:基于DHNN的制冷剂充注量故障诊断模型可以有效地诊断出充注不足故障,收敛速度快,具有较好的实用性。