| 基于PSO优化BP的冷水机组故障诊断研究 |
| |
| 引用本文： | 徐玲,韩华,崔晓钰,范雨强,武浩.基于PSO优化BP的冷水机组故障诊断研究[J].制冷学报,2019,40(3):115-123+131. |
| |
| 作者姓名： | 徐玲 韩华 崔晓钰 范雨强 武浩 |
| |
| 作者单位： | 上海理工大学能源与动力工程学院,上海理工大学能源与动力工程学院,上海理工大学能源与动力工程学院,上海理工大学能源与动力工程学院,上海理工大学能源与动力工程学院 |
| |
| 基金项目： | 国家自然科学基金（51506125）资助项目。 |
| |
| 摘 要： | 本文将PSO(粒子群算法)优化BP(误差反向传播神经网络)应用于离心式冷水机组的故障诊断,针对7种典型故障,包括4种局部故障与3种系统故障,建立了PSO优化BP的诊断模型。结果表明:PSO优化后的BP神经网络(包括单隐层与双隐层)故障诊断性能显著提高,神经网络结构简化,较少的隐含层节点即可获得较优的诊断性能。单隐层神经网络优化后最佳隐含层节点数从18降至10,诊断正确率从89. 42%提升至95. 30%;双隐层神经网络优化后最佳隐含层节点数从25降至12,诊断正确率从97. 87%提升至98. 11%,诊断用时仅为优化前的23%。故障诊断虚警率(假报及漏报)降低,且显著改善了系统故障尤其制冷剂泄漏故障的诊断性能,对正常情况的识别率亦极大提高。PSO优化有助于BP网络跳出局部极小值,较好地改善了故障诊断性能。
|
| 关 键 词： | 冷水机组 故障诊断 粒子群算法 BP神经网络 虚警率 |
| 收稿时间： | 2018/3/11 0:00:00 |
| 修稿时间： | 2018/6/25 0:00:00 |
Fault Diagnosis for Centrifugal Chiller Based on PSO-BP |
| |
| Xu Ling,Han Hu,Cui Xiaoyu,Fan Yuqiang and Wu Hao.Fault Diagnosis for Centrifugal Chiller Based on PSO-BP[J].Journal of Refrigeration,2019,40(3):115-123+131. |
| |
| Authors: | Xu Ling Han Hu Cui Xiaoyu Fan Yuqiang and Wu Hao |
| |
| Affiliation: | School of Energy and Power Engineering, University of Shanghai for Science and Technology,School of Energy and Power Engineering, University of Shanghai for Science and Technology,School of Energy and Power Engineering, University of Shanghai for Science and Technology,School of Energy and Power Engineering, University of Shanghai for Science and Technology and School of Energy and Power Engineering, University of Shanghai for Science and Technology |
| |
| Abstract: | |
| |
| Keywords: | chiller fault diagnosis particle swarm optimization (PSO) back-propagation (BP) network false alarm rate |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《制冷学报》浏览原始摘要信息 |
|
点击此处可从《制冷学报》下载全文 |
|
