为实现车载空调制冷系统故障诊断功能,快速判断空调制冷系统可能出现的故障类型,文章建立车载空调制冷系统一维仿真模型,并以压缩机进出口温度、压力等参数为特征参数,冷凝器风量降低、制冷剂泄漏等故障为输出目标结果,构建车载空调制...为实现车载空调制冷系统故障诊断功能,快速判断空调制冷系统可能出现的故障类型,文章建立车载空调制冷系统一维仿真模型,并以压缩机进出口温度、压力等参数为特征参数,冷凝器风量降低、制冷剂泄漏等故障为输出目标结果,构建车载空调制冷系统的反向传播(back-propagation,BP)神经网络故障诊断模型和决策树故障诊断模型。研究结果表明:当冷凝器风量降低时,压缩机排气温度与排气压力上升,空调系统的制冷量和性能系数(coefficient of performance,COP)下降。通过对比2种不同诊断策略的仿真测试结果发现,采用BP神经网络进行车载空调制冷系统故障诊断的准确率可以达到92.5%。展开更多
聚类是一种重要数据分析技术,在众多领域中得到广泛地应用.然而,由于数据分布的内在特点,传统的聚类算法并不能保证聚类结果具有平衡性,这与很多现实的需求不一致.本文提出了一种基于K-Means的平衡约束聚类算法,该算法对K-Means算法每...聚类是一种重要数据分析技术,在众多领域中得到广泛地应用.然而,由于数据分布的内在特点,传统的聚类算法并不能保证聚类结果具有平衡性,这与很多现实的需求不一致.本文提出了一种基于K-Means的平衡约束聚类算法,该算法对K-Means算法每次迭代中数据点的分配策略进行修改,达到对每个簇可包含的数据点数目上限进行约束的目的.同时,算法支持用户自定义簇可包含的数据点数目上限,满足不同的平衡约束聚类需求.另外,本算法参数少,只需设置目标簇数目及其可包含的数据点数目上限,时间复杂度低,具有简单、快速的特点.在6个UCI(University of California Irvine)真实数据集上进行的实验结果表明,文中提出的平衡约束聚类算法相比其他平衡约束聚类算法具有更佳的聚类效果和时间性能.展开更多
文摘为实现车载空调制冷系统故障诊断功能,快速判断空调制冷系统可能出现的故障类型,文章建立车载空调制冷系统一维仿真模型,并以压缩机进出口温度、压力等参数为特征参数,冷凝器风量降低、制冷剂泄漏等故障为输出目标结果,构建车载空调制冷系统的反向传播(back-propagation,BP)神经网络故障诊断模型和决策树故障诊断模型。研究结果表明:当冷凝器风量降低时,压缩机排气温度与排气压力上升,空调系统的制冷量和性能系数(coefficient of performance,COP)下降。通过对比2种不同诊断策略的仿真测试结果发现,采用BP神经网络进行车载空调制冷系统故障诊断的准确率可以达到92.5%。
文摘聚类是一种重要数据分析技术,在众多领域中得到广泛地应用.然而,由于数据分布的内在特点,传统的聚类算法并不能保证聚类结果具有平衡性,这与很多现实的需求不一致.本文提出了一种基于K-Means的平衡约束聚类算法,该算法对K-Means算法每次迭代中数据点的分配策略进行修改,达到对每个簇可包含的数据点数目上限进行约束的目的.同时,算法支持用户自定义簇可包含的数据点数目上限,满足不同的平衡约束聚类需求.另外,本算法参数少,只需设置目标簇数目及其可包含的数据点数目上限,时间复杂度低,具有简单、快速的特点.在6个UCI(University of California Irvine)真实数据集上进行的实验结果表明,文中提出的平衡约束聚类算法相比其他平衡约束聚类算法具有更佳的聚类效果和时间性能.