基于数据驱动方法的污水源热泵故障诊断研究

利用反向神经网络(BP)构建污水源热泵机组故障诊断模型,并通过粒子群算法(PSO)优化BP神经网络的权值和阈值。以陕西省某大型污水源热泵集中供暖系统为研究对象,采集2017～2018年冬季供暖期间机组的蒸发器,冷凝器,压缩机的压力、温度等工况数据作为训练测试样本,其神经网络的结构以12种故障特征向量作输入端,4种诊断结果作输出端,隐含层根据kolmogorov定理确定为25个,从而建立故障诊断模型,并分析其性能。实验结果表明:经过PSO优化后的BP神经网络故障诊断模型训练迭代次数降低了24.45%,诊断准确率提高了12%,性能优化显著。     

基于ACA-BP神经网络的挖掘机液压系统故障诊断研究

针对BP神经网络在挖掘机液压系统故障诊断中的问题,提出一种基于ACA-BP算法的挖掘机液压系统故障诊断方法。首先利用蚁群算法对神经网络的初始权值和阈值进行训练,进行BP神经网络模型的训练,建立故障诊断模型。通过挖掘机液压系统故障诊断仿真实例分析,验证了ACA-BP算法在挖掘机液压系统的故障诊断中的有效性。     

基于XGBoost-RF的制冷剂泄漏故障检测与诊断

针对冷水机组运行中正常数据多于故障数据情况和制冷系统中最常见的制冷剂泄漏故障，本文采用极端梯度提升算法(XGBoost)建立故障检测模型，采用随机森林(RF)算法建立故障诊断模型，研究了检测阈值改变对检测模型的影响及有、无正常样本训练的诊断模型的对比。结果表明，在检测阈值设定为0.99时，可保证大部分故障样本均能被检测出来，且虚警率低，仅由故障数据训练得到的诊断模型整体性能最佳，可最大限度发挥检测模型和诊断模型的优势。     

基于优化的BP神经网络柴油机燃料系故障诊断仿真研究

神经网络具有并行处理能力、自学习能力,自适应能力和可以逼近任意的非线性函数等特点,是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径,神经网络的这些特点使得它在故障谚断领域应用越来越广泛。本文利用LM改进学习算法训练所建立的BP神经网络,然后利用训练好的神经网络进行柴油机故障诊断,得出诊断结果,使故障诊断具有人工智能化。     

基于小样本数据挖掘的空气处理机组传感器隐形故障诊断方法

针对空气处理机组系统内传感器隐形故障诊断准确率不足及虚警率较高等问题,本文提出了基于集成经验模态分解软阈值去噪法与RBF神经网络(EEMDSTD-RBF)相结合的故障诊断方法,通过集成经验模态分解软阈值去噪法对采集的原始数据进行数据去噪,将去噪后的正常运行数据以及隐形故障数据输入RBF神经网络进行训练,得到EEMDSTD-RBF故障诊断模型,从而提高RBF神经网络对于空气处理机组传感器隐形故障的诊断准确率,同时,实验证明,该方法有效降低了虚警率。在关于空气处理机组六个传感器点位在三种隐形故障等级下的偏置故障的实验中,结果表明,与RBF及EEMDSTD-BP方法相比较,该方法在不同故障状态下,EEMDSTD-RBF的诊断准确率提高了8.7%～64.7%,虚警率降低了12.62%。     

基于SOFM神经网络的水源热泵故障诊断方法研究

本研究针对水源热泵机组常见的6种热力故障,尝试使用SOFM神经网络进行故障诊断。利用水源热泵机组试验台人为制造制冷剂充注量过多、制冷剂泄漏、膨胀阀开度过大与过小、冷却水管路阻塞、系统含不凝性气体共计6种热力故障,记录机组带故障运行时的运行参数,将收集到的参数进行归纳整理,提取出部分特征值制作成数据集。将数据集划分为训练集合与测试集合,前者用于神经网络的训练,后者用于验证神经网络故障的诊断效果。结果表明,SOFM神经网络对于本次实验人为制造出的6种水源热泵热力故障具有较高的诊断正确率,网络迭代500次,用时2.7 s,在有效诊断的同时具有较快的响应速度。     

基于数据驱动的变风量空调AHU故障诊断研究

变风量空调系统的空气处理机组(AHU)出现故障时会使系统舒适性降低,能耗和运维成本增加.本文提出了一种基于改进型主元分析(PCA)和BP神经网络算法,用于AHU的模型建立及故障诊断.结果表明使用改进滤波的PCA检测模型主元数为3个,累计贡献率92.7％.当系统传感器出现5％的故障偏差,模型在送风温度、 新风温度、 冷冻...     

BP神经网络在MOA故障诊断中的应用

介绍了BP神经网络在MOA故障诊断中的应用情况。运用Matlab神经网络工具箱对避雷器故障进行训练,比较可知,采用改进的自适应修改学习率算法,具有较好的网络收敛性能和稳定性,并且能够有效解决局部最小问题,但是隐含层神经元数目只能通过试凑法得到。实例分析表明,运用神经网络方法能较为准确诊断避雷器故障,能够有效地克服单纯隶属函数对正常运行工况的误诊断。     

一次回风空调系统的故障诊断研究

空调系统的故障诊断研究对于节约空调系统能耗、减少设备之间的磨损、延长设备的使用寿命、提高空调系统的运行效率均具有重要的意义。由于空调系统的复杂性、空调设备的多样性,空调系统在实际运行过程中会存在多种多样的问题,包括硬件设备的老化、阀门的堵塞、传感器失灵、换热器换热效率降低等,都会造成能源消耗增加、能源浪费等问题。因此针对空调系统的特点研究一套适用于该系统的故障诊断方法,实现对系统运行过程中常见故障的诊断,主要针对组合式空气处理机组。通过实现模拟再现常见的7种故障,利用一阶自回归方程建立特征参数残差图,由残差分析得到不同故障条件下特征参数的残差变化,进一步针对残差变化趋势以送分温度残差为基准建立故障诊断分类器,并细化为7条故障诊断规则集;同时,通过Matlab Script节点实现Matlab与LabVIEW的混合编程,并调用训练好的模糊神经网络模型实现故障诊断结果的可视化显示。     

PCA在机械制造中的应用研究

本文设计了PCA用于滚动轴承故障诊断中数据降维的应用方法使得数据维数大幅下降,使得支持向量机的训练速度和判断准确率大幅提高。本文还设计了基于PCA的利用正常运行信息建立模型进行故障检测和故障诊断的方法,避免了其他方法由于故障信息不易采集导致故障检测、诊断不理想的问题,为过程控制、故障检测提供了一条新思路。     

基于概率神经网络的离心式制冷机故障诊断

使用概率神经网络(PNN)对制冷系统7种常见故障进行诊断,包括系统故障和局部故障。详细介绍了应用PNN建立故障诊断模型以及平滑因子寻优过程,并探索了样本规模对最佳平滑因子和诊断正确率的影响。将PNN与人工神经网络中最常用的误差反向传播(BP)神经网络进行比较,结果表明,PNN网络的诊断正确率比BP网络诊断正确率高3.48%,且诊断耗时更短,并且PNN网络的单次训练结果更可靠。尽管2种网络的训练结果均显示系统故障比局部故障更难以被识别,但使用PNN网络进行诊断时,系统故障的诊断正确率明显高于BP网络的诊断正确率。     

一种基于神经网络的建筑设备故障诊断模型

阐述了BP神经网络学习功能及实现算法。分析了制冷系统的主要故障，并对制冷设备主要故障与征兆的关系作了定性的研究，在此基础上设计了一种具有学习功能的故障诊断神经网络模型。验证的效果显示了该诊断方法的有效性。     

基于循环神经网络的冷水机组故障诊断方法

冷水机组故障诊断对提升设备能效、延长使用寿命等有积极影响。以实测数据为基础,通过数据驱动的方式进行故障诊断有助于提升建筑系统运维的自动化和精细化水平。在实际应用中,如何有效捕捉设备运行的复杂动态规律,从时间维度准确识别冷水机组的故障特征值得深入研究。本文采用循环神经网络为建模方法,以16种实践中易获取的数据变量为模型输入,通过对循环单元类型和模型结构两方面进行探索,形成了适用于冷水机组故障诊断的优化建模策略。在循环单元类型层面,本文对比分析了3种常见循环单元的实际效用,包括基础版循环神经单元、长短期记忆单元和门控循环单元。在模型结构层面,探索了适用于处理时序数据的模型,如双向循环运算和一维卷积运算等。实验结果表明,相较于常规的未考虑时序关联的建模方法,循环神经网络模型可以有效提升7类常见冷水机组运行故障的诊断效率。其中,采用双向长短期记忆神经网络的故障诊断性能最好,该方法可比XGBoost、全连接神经网络和SVM分别提升17.3%、23.9%和35.0%的诊断精度。本研究量化了多种循环神经网络在冷水机组故障诊断中的实践价值,研究成果有助于提升故障诊断技术的精细化水平。     

基于主成分分析和反向传播神经网络相结合的 金属氧化物压敏电阻故障诊断分析

准确诊断金属氧化物压敏电阻故障对电力系统安全运行十分重要。为有效提高故障诊断率,本文提出基于主成分分析与反向传播神经网络相结合的故障诊断算法。对于MOV故障数据指示指标,利用主成分分析进行降维,降低原始指标间相关性,最后利用反向传播神经网络对所选主成分进行诊断。试验结果表明:相对于反向传播模型,PCA-反向传播模型诊断误判率下降了3%,模型运行时间降低了267 s。有效降低MOV误判率,简化了反向传播网络结构,提高网络收敛性和稳定性。     

基于ReliefF与mRMR耦合特征选择的多联机制冷剂充注量故障诊断

针对制冷剂充注量故障,提出了一种结合ReliefF和mRMR特征选择算法的故障诊断方法。首先,利用ReliefF算法计算出每个特征变量的权重系数W (A),剔除权重系数低于阈值的特征;然后,利用集成的mRMR算法选出与目标类别具有最大相关性且相互之间具有最小冗余性的特征子集;最后,利用特征提取后的变量建立BP神经网络模型进行故障诊断,并和单一特征选择算法的结果进行对比。结果表明:该方法较好地提高了多联机制冷剂充注量故障诊断模型的诊断精度和效率。     

基于改进GAAA算法的BP神经网络管网故障诊断研究

为解决BP神经网络在供热管网泄漏诊断中收敛速度慢、易陷入局部极值的问题,提出一种改进GAAA算法,利用其对BP神经网络初始值和阀值进行了优化,而后通过故障诊断确定泄漏管段及泄漏点、进而确定泄漏量。试验结果表明,改进GAAA算法优化后的BP神经网络模型收敛速度快、诊断精度高,明显优于传统的BP神经网络故障诊断模型。     

再生混凝土抗压强度预测方法研究

以BP神经网络在解决非线性问题方面的优越性为指导思想,建立了再生混凝土28 d抗压强度预测模型。利用具有全局搜索优势的遗传算法对BP神经网络进行优化,提高BP神经网络的预测精度。经过查阅相关文献,筛选出较为合适的L-M算法作为训练函数,把收集到的再生混凝土配合比数据代入网络进行训练与预测。结果表明,GA-BP神经网络预测精度较BP神经网络有了进一步提高。     

基于SSA-PNN的矿井提升机主轴装置故障诊断

对于矿井提升机来说,主轴装置是其核心,它能否正常运行关系着整个矿井提升机的工作进程,应用概率神经网络可以有效地进行矿井提升机的故障诊断,但是传统概率神经网络存在平滑因子具有主观性的缺点。针对这个不足,文章引入樽海鞘群算法对其进行优化,提出了樽海鞘群算法优化的概率神经网络(SSA-PNN)的主轴装置故障诊断。实验表明,SSA-PNN与遗传算法、BP神经网络相比,能够更加准确、快速地进行分类,实现对矿井提升机主轴装置案例已知故障的有效诊断。     

钢梁损伤的神经网络诊断分析

应用人工神经网络技术 ,以反映结构损伤程度的固有频率作为神经网络输入的特征参数 ,建立结构故障诊断模型 ,对建筑工程结构中常用的简支矩形截面钢梁裂纹深度和位置进行了诊断和预测研究。从实例可以看出 ,应用神经网络技术对工程结构进行裂纹损伤故障的综合诊断和预测分析是可行的。     

沈阳市某高校原生污水源热泵系统应用效果分析

能源危机和环境污染已经成为人们面临的重大问题。作为绿色节能技术,原生污水源热泵系统既充分利用了丰富的污水资源,又有利于环境保护。以沈阳市某高校原生污水源热泵系统为研究对象,以原生污水源热泵的运行机理、系统原理为基础,对室内环境和热泵机组性能进行测试,分析该污水源热泵系统的应用效果,从而将原生污水源热泵技术更广泛地应用于其他建筑之中。