基于深度学习的冷水机组传感器故障诊断方法研究

发布时间：2021-06-11 14:10

　　冷水机组是制冷空调系统的核心设备,冷水机组传感器的故障检测、诊断对于保证制冷空调系统正常运行具有重要意义。近些年,许多学者针对空调传感器故障检测、诊断问题给予很多关注,并取得了一定的进展。然而对于冷水机组传感器偏差故障和渐变故障的检测效果并不理想。长短期记忆网络（Long Short-Term Memory,LSTM）是由Schmidhuber&Sepp Hochreite针对RNN在处理非线性时间问题上存在梯度爆炸和梯度消失的问题,提出的一种时间递归神经网络,该网络被广泛应用于处理和预测高维、强耦合、高度时间相关性数据。针对上述问题,结合LSTM网络的特点,本文分别从分类和预测两个角度进行考虑,提出基于改进LSTM网络的深度学习方法用于冷水机组传感器偏差故障和渐变故障的检测及诊断。针对传感器偏差故障,将传感器故障检测看作多分类问题,不同故障传感器对应于不同类别,该方法将传感器故障检测、诊断合二为一,可以直接定位故障传感器。现场采集风冷冷水机组传感器数据,输入到改进的LSTM网络中进行训练。通过仿真实验分析得出,不同类型传感器检测效率不同。将检测结果与自动编码器（Auto en... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

压缩式制冷系统原理图

【参考文献】：
期刊论文
[1]基于LSTM的智能家居机器学习系统预测模型研究[J]. 包晓安,常浩浩,徐海,董亮亮,张娜.  浙江理工大学学报(自然科学版). 2018(02)
[2]基于长短期记忆网络的风电场发电功率超短期预测[J]. 朱乔木,李弘毅,王子琪,陈金富,王博.  电网技术. 2017(12)
[3]基于LSTM循环神经网络的故障时间序列预测[J]. 王鑫,吴际,刘超,杨海燕,杜艳丽,牛文生.  北京航空航天大学学报. 2018(04)
[4]基于深度自编码网络模型的风电机组齿轮箱故障检测[J]. 刘辉海,赵星宇,赵洪山,宋鹏,邓春.  电工技术学报. 2017(17)
[5]采用深度学习的异步电机故障诊断方法[J]. 王丽华,谢阳阳,张永宏,赵晓平,周子贤.  西安交通大学学报. 2017(10)
[6]基于主元分析-概率神经网络的制冷系统故障诊断[J]. 梁晴晴,韩华,崔晓钰,谷波.  化工学报. 2016(03)
[7]暖通空调系统故障检测与诊断技术研究进展[J]. 韩琦,魏东,曹勇.  暖通空调. 2014(03)
[8]基于参数估计的一类非线性系统故障诊断算法[J]. 孙蓉,刘胜,张玉芳.  控制与决策. 2014(03)
[9]大型无人机电源系统故障诊断专家系统[J]. 张秦岭,郭宏,姜旭.  北京航空航天大学学报. 2013(08)
[10]进化Elman神经网络在实时数据预测中的应用[J]. 王晓霞,马良玉,王兵树,王涛.  电力自动化设备. 2011(12)

硕士论文
[1]深度学习在滚动轴承故障诊断中的应用研究[D]. 陈伟.西南交通大学 2018
[2]基于LSTM和动态模型的化工过程混合故障诊断[D]. 张祥.青岛科技大学 2018



本文编号：3224686