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%。

基于遗传算法和BP神经网络的多联机阀类故障诊断

针对多联机系统(变制冷剂流量系统)阀类故障的诊断特征变量冗杂、诊断效率低的问题,提出一种复合诊断模型,利用遗传算法在原始特征集中搜索特征子集,与参数优化后的BP神经网络模型结合,对多联机阀类故障进行检测和诊断。本文从原始特征集中优化选择了带有18个特征变量的最优特征子集,用该模型对电子膨胀阀卡死、电子膨胀阀泄漏和四通阀故障3种故障进行检测,结果表明:该复合诊断模型对故障检测率提高,其中电子膨胀阀的卡死故障检测率提升8%,整体诊断正确率提高到99.27%;该复合诊断模型大大提高了诊断效率,使测试时间缩短了52.17%,表明该复合诊断模型具有较好的故障诊断效果。

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。

基于决策树算法的多联机制冷剂泄漏在线故障诊断

多联机被广泛用于各类建筑的空调系统中,而制冷剂泄漏可以对多联机机组运行带来一系列的影响。因此,本文提出决策树算法对多联机制冷剂泄漏进行在线故障诊断。首先,通过生成决策树和剪枝,建立故障诊断模型;然后,进行实验,获取实时数据,并对实验数据预处理;最后,利用决策树模型和处理后的数据进行故障诊断。结果表明,该决策树模型能够对多联机制冷剂泄漏进行有效故障诊断,且诊断正确率较高。

基于优化神经网络的空调系统未知类型故障诊断

目前基于数据驱动方法的制冷系统故障诊断模型,只能对参与建模训练的已知类型故障进行诊断,而对于未参与建模训练的未知类型故障,不能正确地诊断。针对这一问题,本文提出了一种优化神经网络的故障诊断策略。利用已知类型的故障数据建立BP神经网络模型,然后确定一个区分阈值,能够实现对未知类型故障的诊断识别。结果表明:对于包含所有故障类型的测试数据,模型的诊断正确率为88.62%,对于其中的未知类型故障,模型的诊断效果显著,正确率为99.48%。

基于Zadeh推理的故障空调噪音识别

通过声音来实现故障诊断在工业领域应用比较广泛;工业应用的主要目标是给出故障空调在运行状态下的声音,使用某种方法推断出具体故障原因;这里采用了Zadeh推理的方法对故障空调的声音进行识别,进而推断出空调内部具体哪个部件或零件发生故障;主要思路如下:首先对声音进行快速傅里叶变换,根据三分之一倍频程对整个频率进行划分,并对生成的频率进行标准化处理;当空调内部的零部件发生损坏时,噪音峰值就会在某一段或几段频率中有升高,从而提取每个频程的峰值作为特征向量;通过"专家经验"得出一个逻辑关系R矩阵,使用Matlab软件将特征向量与R矩阵进行点积运算得到故障诊断的结果,最后GUI界面呈现出结果;实验表明,这个方法对空调噪音的识别诊断效果比较理想;最后给出使用Zadeh推理的方法的一些适用条件;Zadeh推理的方法在空调噪音故障诊断应用领域可以有一定的应用空间,而且实现比较简单。

基于对照区设置的结化霜曲线去除雾噪声的方法实现

以空调结霜、化霜的视频为研究对象,基于画面灰度特征变化,获取结化霜过程的时序监控数据;然后,重点研究了含雾气噪声时序数据的平滑问题;提出一种通过设置同步采样的对照区的方法,监测雾气出现与消退的动态变化,用以识别定位雾气的存在区间;再基于线性内插值方法,对结化霜时序曲线的相关区间数据进行差值重构,实现滤除雾气噪声同时不影响无噪声数据质量的目标;最后给出本方法适用的一些条件;实验表明,基于对照区设置的方法能够对雾气干扰取得很好的曲线平滑效果;且这个方法的实现原理简单,对数据曲线的消噪平滑效果比较好,在曲线平滑应用领域可以有一定的应用空间。

基于支持向量机和粒子群算法的多联机气液分离器插反故障诊断

本文通过多联机实验平台采集数据,选取合适的特征变量,利用支持向量机算法建立了多联机气液分离器插反故障诊断模型。采用粒子群算法优化该模型,通过测试集验证模型的分类准确率,并对两种模型下的故障诊断效果进行对比分析。结果表明,制冷工况下的故障诊断准确率高于制热工况下的准确率。模型优化前两种工况下的故障诊断准确率均高于96%,而优化后的准确率均高于97%,优化后制冷工况下的故障诊断准确率更是高达98.4%,可见优化后的模型性能稳步提升。

基于支持向量机的建筑能耗预测研究

建筑能耗预测对建筑节能工作具有重要意义,本文采用支持向量机算法对建筑进行能耗预测,并对建立的能耗模型进行了优化。通过相关性分析选取特征向量,然后对变量重要性进行排序,选取最优变量,采用十折交叉验证和网格搜索法进行参数寻优。结果表明,优化后的支持向量机模型的均方根误差由之前的12.61 降为6.09,优化结果显著,能较好地进行建筑能耗预测工作。

完善约束机制 规范采购行为——华粤烛业公司改革物资采购模式的情况调查

企业物资采购部门是企业连接市场的纽带,同时也是不廉行为和经济犯罪的多发地。如何建立起一套完善的内部约束机制,堵塞漏洞,使企业的物资采购模式适应企业的发展和市场变化的需要。去年以来,华粤烛业公司在这方面做了大胆而有益的探索,取得了初步效果。1 旧的物资采购模式已不适应新形势的需求

数学规划算法在采购领域中的应用

本文阐述了一种数学规划的方法 ,通过循环迭代插值的方法将整数规划、0、1规划结合起来解决带约束的线性规划问题。并即将其应用于钢材采购中,达到了很好的效果。

嵌入式软件更改黑盒测试的方法

通过对软件数值更改点测试来解释如何借助软件工程方面的思想,来保障黑盒测试的可靠性及提高黑盒测试的效率。本文通过对数值设计模型和思路的研究,提出了数值更改点测试的思路。

练内功增实力 多出口多创汇

练内功增实力多出口多创汇谭泽汉茂名石化华粤企业集团公司创办于１９８０年，前身是一个以安置劳动就业为主要任务的劳动服务公司。经过十多年的艰苦创业，现已发展成一个有２亿元固定资产，有６０００名职工，有进出口经营权，有生产、建安、设计、劳务、服务、贸易等３...

PSO及神经网络在物理模型参数估计中的应用

笔者阐述了一种使用PSO优化BP神经网络权值和阀值初始值的方法,用于提高BP神经网络的输出精度,并将其应用于空调物理模型的参数估计中,达到了很好的效果。

实行成本否决向管理要效益

实行成本否决向管理要效益谭泽汉黄仲瑶汤杰茂名石化华粤集团双环鞋业有限公司在开展“学邯钢总厂、学上海石化”活动中，从本企业的实际情况出发，紧紧抓住“成本”这个“牛鼻子”不松手，在降低成本上做文章，有力地促进了生产的发展，取得了较好的经济效益。上半年，共...

基于LabVIEW的增量式PID控制器设计

利用虚拟仪器LabVIEW开发平台,设计了一款增量式PID控制器,用户可以利用该软件,快速整定PID控制器的各个参数,完成PID控制器的设计。