基于PCA-PNN的冷热冲击箱制冷系统故障诊断研究

发布时间：2020-11-09 17:54

　　 随着科学技术的不断发展与工业自动化水平的提高,制冷设备的应用范围越来越广,尤其是作为冷热冲击试验箱的重要组成部分,在检测工业产品温湿度环境方面的可靠性具有重要意义。由于制冷系统结构复杂,故障发生频率高,且故障发生时难以被检测与识别,对设备可靠性、安全性与经济性等造成不良影响,而且会导致能耗增加。因此对制冷系统的故障进行分析,找到能快速识别故障并排除的方法是该领域研究热点。本文使用主元分析与概率神经网络的方法对冷热冲击试验箱制冷系统的常见故障进行诊断。首先,介绍了冷热冲击试验箱的组成结构与其制冷系统的工作原理,对系统中常见故障和故障发生原因进行分析,确定故障与症状之间的关系,并选取能够反映系统运行状态的测量参数。为解决目前制冷系统故障诊断过程中遇到的难题,设计整体解决方案。其次,介绍了主元分析算法,分析与学习主元分析法实现流程,并对算法进行优化,确定最优主元。对优化后的主元分析算法进行仿真,证明该算法能够减少数据空间的维数,降低数据信息之间的冗余度。然后,通过学习BP神经网络原理,建立基于最优参数BP网络的故障诊断系统,对制冷系统的3种故障进行诊断,经实验证明该系统尽管能诊断出故障,输出误差达到期望值,但存在结构复杂、网络收敛慢等诸多问题。因此引入概率神经网络,建立基于PNN网络的故障诊断系统,使用Matlab2012软件进行仿真实验,将前面的3种故障使用该系统进行诊断。与BP网络的诊断结果相比较,确定了PNN网络不仅结构简单而且训练速度快稳定性好等优势。最后,对型号为CERC-CJ-70B的冷热冲击试验箱进行改造,建立模拟制冷系统的故障实验平台,模拟7种典型故障。并通过该平台获取训练样本与测试样本。将原始样本分别通入基于BP网络、PNN网络、PCA-PNN网络的故障诊断系统,将三种网络的训练过程与诊断结果进行比较,证明了PNN网络性能优于BP网络,PCA-PNN性能优于PNN网络。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TP183;TP277;TB657
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 故障诊断技术与方法
        1.2.1 故障诊断技术发展历史
        1.2.2 故障诊断方法的分类
    1.3 故障诊断在制冷系统方面的国内外研究现状
        1.3.1 国际研究现状
        1.3.2 国内研究现状
    1.4 本文的主要内容
第2章 冷热冲击试验箱制冷系统工况分析
    2.1 冷热冲击试验箱工作原理
        2.1.1 冷热冲击试验箱的结构
        2.1.2 制冷系统工作原理
    2.2 制冷系统故障分析
        2.2.1 制冷系统产生故障原因
        2.2.2 制冷系统故障分类
        2.2.3 制冷系统典型故障
    2.3 制冷系统测量参数与信息选取
    2.4 制冷系统故障诊断方案
第3章 基于PCA的数据优化处理
    3.1 主元分析法
    3.2 主元分析法几何与代数意义
    3.3 主元分析法的模型及实现
        3.3.1 主元分析法模型
        3.3.2 主元分析法实现
        3.3.3 主元个数确定
        3.3.4 主元分析算法流程
        3.3.5 主元分析算法优化
    3.4 主元分析算法仿真
第4章 基于BP神经网络的制冷系统故障诊断
    4.1 神经网络概述
    4.2 BP神经网络
        4.2.1 BP网络模型
        4.2.2 BP网络的学习算法
    4.3 基于BP神经网络的制冷系统故障诊断
        4.3.1 BP神经网络参数
        4.3.2 最优参数BP神经网络仿真
第5章 基于PNN网络的制冷系统故障诊断
    5.1 概率神经网络
        5.1.1 贝叶斯应用于模式识别
        5.1.2 概率神经网络模型
    5.2 基于PNN网络的制冷系统故障诊断
        5.2.1 样本数据预处理
        5.2.2 网络参数确定
        5.2.3 最优参数PNN网络仿真
    5.3 比较与分析
第6章 基于PCA-PNN的制冷系统故障诊断
    6.1 制冷系统典型故障模拟实验
        6.1.1 制冷系统故障模拟实验系统
        6.1.2 模拟故障的种类与方法
        6.1.3 数据采集
        6.1.4 原始样本
    6.2 BP网络训练
    6.3 PNN网络训练
    6.4 PCA-PNN网络训练
        6.4.1 PCA优化原始样本
        6.4.2 PCA-PNN训练
结论
参考文献
致谢

【参考文献】

相关期刊论文 前10条

1 徐文贯;马军;;温度冲击试验箱结构设计分析[J];电子产品可靠性与环境试验;2013年S1期

2 刘文斌;曹广忠;李永光;胡益民;敬刚;刘岩;;温湿度环境试验设备的现状及发展[J];现代制造工程;2013年11期

3 贾润宇;;工业用高精度变负荷制冷系统的设计及探讨[J];制冷与空调;2011年06期

4 陈昌华;谭俊;尹健康;张飞;姚进;;基于PCA-RBF神经网络的烟田土壤水分预测[J];农业工程学报;2010年08期

5 高宏岩;;概率神经网络在旋转机械故障诊断中的应用[J];煤矿机械;2006年05期

6 宋华,张洪钺,王行仁;T-S模糊故障树分析方法[J];控制与决策;2005年08期

7 赵韩,张彦,方艮海,张代胜;灰色关联分析法在汽车零部件故障分析中的应用[J];农业机械学报;2005年08期

8 贺晓,刘景宁,李淑霞;基于灰色关联理论的案例推理在故障智能诊断系统中的应用[J];中国机械工程;2004年22期

9 王志毅,谷波,江国和,郑钢;二级模糊综合评判方法在制冷机故障诊断中的应用[J];暖通空调;2004年01期

10 邓颖,何怡刚,Y.Sun;容差模拟电路故障诊断BP神经网络算法(英文)[J];湖南大学学报(自然科学版);2000年S1期

相关博士学位论文 前3条

1 韩华;基于顺序集成方法的制冷系统故障检测与诊断研究[D];上海交通大学;2012年

2 任能;制冷系统故障检测、诊断及预测研究[D];上海交通大学;2008年

3 周洪煜;基于人工智能和专家系统的中央空调节能运行及故障诊断技术研究与实现[D];重庆大学;2007年

相关硕士学位论文 前6条

1 薄祥余;环境试验箱制冷系统设计及其控制方法的研究[D];上海交通大学;2009年

2 张洪波;基于主成分的概率神经网络模拟电路故障诊断的研究[D];湖南大学;2008年

3 胡正定;基于补偿模糊神经网络的制冷系统故障诊断研究[D];重庆大学;2007年

4 李明;基于多元统计分析的故障诊断方法及其应用研究[D];山东大学;2006年

5 韩玲;基于人工神经网络模型的螺杆式冷水机组故障诊断研究[D];重庆大学;2005年

6 杨毅;螺杆式冷水机组故障诊断技术研究[D];重庆大学;2005年

本文编号：2876779