基于最大相关最小冗余-随机森林算法的多联机系统在线故障诊断策略研究

发布时间：2021-02-24 16:27

　　为了提高多联机系统制冷剂充注量故障检测率,本文提出一种结合最大相关最小冗余（minimal-Redundancy-Maximal-Relevance,m RMR）和随机森林（RandomForest,RF）算法的在线故障诊断策略。利用mRMR结合RF在训练集上进行特征选择,结合网格搜索和十折交叉验证对随机森林、决策树和支持向量机3种模型进行参数寻优,并将优化后的模型用于测试集中。在多个在线验证集上对mRMR-RF模型进行验证,结果表明:仅选择6个特征变量就可建立准确率达98.63%的随机森林诊断模型;3种诊断模型中,RF算法的诊断效果最好,整体分类准确率达到97.06%;在4个不同在线多联机系统上检验,其分类准确率分别为95.82%、85.74%、88.24%和93.96%,分类准确率均在85%以上。说明基于mRMR-RF的故障诊断模型具有较强的泛化能力。 

【文章来源】：制冷技术. 2019,39(06)

【文章页数】：8 页

【部分图文】：

实验多联机系统原理

不同充注量水平在两种工况上的分布

在某些比较评价的指标处理中一般需要用到数据的标准化，一般是将数据按一定比例进行缩放，可以去除数据的单位限制，将其转化为无量纲的纯数值。实验中采用了R语言中的Scale函数进行数据标准化处理。3 基于历史数据的多联机故障诊断

【参考文献】：
期刊论文
[1]基于PSO优化BP的冷水机组故障诊断研究[J]. 徐玲,韩华,崔晓钰,范雨强,武浩.  制冷学报. 2019(03)
[2]基于TRNSYS空调水系统能耗预测应用研究[J]. 王洪乾,崔红社,邓鹏杰,姜镀辉.  青岛理工大学学报. 2019(01)
[3]基于夏季主导风向济南市内建筑风冷系统的节能设计[J]. 李利平,杨权.  科技通报. 2018(12)
[4]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[J]. 李正飞,谭泽汉,陈焕新,刘江岩,黄荣庚,刘佳慧.  暖通空调. 2018(10)
[5]基于优化神经网络的空调系统未知类型故障诊断[J]. 丁新磊,李绍斌,谭泽汉,郭亚宾,陈焕新.  制冷技术. 2018(05)
[6]基于支持向量机的多联机系统制冷剂充注量故障检测与诊断[J]. 黄倩云,陈焕新,孙劭波,刘江岩,李冠男,李绍斌.  暖通空调. 2018(01)
[7]基于主元分析法的多联机系统压缩机排气温度传感器故障检测与诊断[J]. 禹法文,陈焕新,李绍斌,李冠男,郭亚宾,石书彪,李炅.  制冷技术. 2017(04)
[8]基于CART算法的多联机压缩机回液故障检测[J]. 王江宇,陈焕新,李冠男,刘江岩,胡云鹏,郭梦茹,胡文举.  制冷与空调. 2017(04)
[9]暖通空调系统故障检测与诊断技术研究[J]. 孙利敏.  科技经济市场. 2015(12)
[10]大数据在空调领域的应用[J]. 陈焕新,刘江岩,胡云鹏,李冠男.  制冷学报. 2015(04)



本文编号：3049638