摘要:针对暖通空调系统故障而导致的建筑能耗增长问题,本文提出了一种基于学习向量量化(LearningVector Quantification,LVQ)神经网络的制冷剂充注量故障诊断模型,故障诊断分为数据预处理、建立初始模型、LVQ 模型的训练和仿真测试 4 个步骤,并对隐含层节点数进行了参数寻优。实验共设置 9 种制冷剂充注量水平,经过数据预处理后选取了 12 个特征变量,建立了 LVQ 神经网络建模。将经过数据预处理后的数据集以 75%∶25%的比例划分为训练集和测试集,分别用于研究训练和测试模型性能。结果表明:在制冷剂充注量 LVQ 模型故障诊断中,制冷剂充注量适中、过量和不足的正确率分别为 52.5%、70.1%和87.5%,总体故障诊断正确率达到 70.0%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社