基于主成分分析和神经网络相结合的制冷剂充注量故障诊断

空调设备的能耗在建筑总能耗中占据30%以上的比例,一旦发生故障不及时排除,很可能导致系统能耗增加、设备寿命缩短、人员体感不适甚至影响正常的工作。本文采用一种基于主元分析法(Principal Component Analysis,PCA)与基于反向算法(Back Propagation,BP)的多层前馈神经网络(BP神经网络)相结合的算法,以制冷剂充注量为例,实现了对多联机性能故障的高效诊断。首先收集多联机组实测运行数据,进行一定的数据预处理工作,然后利用PCA提取主元,最终基于BP神经网络训练建立PCA-BP模型进行联机制冷剂充注量的故障诊断。结果表明:PCA-BP神经网络能高效检测多联机制冷剂充注量的故障,较于传统BP神经网络节约了计算时长及计算空间,同时该算法也具有泛化能力,为推广到多联机其他故障的诊断奠定了基础。