10.13614/j.cnki.11-1962/tu.2022.08.21
基于循环神经网络的冷水机组故障诊断方法
冷水机组故障诊断对提升设备能效、延长使用寿命等有积极影响.以实测数据为基础,通过数据驱动的方式进行故障诊断有助于提升建筑系统运维的自动化和精细化水平.在实际应用中,如何有效捕捉设备运行的复杂动态规律,从时间维度准确识别冷水机组的故障特征值得深入研究.本文采用循环神经网络为建模方法,以16种实践中易获取的数据变量为模型输入,通过对循环单元类型和模型结构两方面进行探索,形成了适用于冷水机组故障诊断的优化建模策略.在循环单元类型层面,本文对比分析了3种常见循环单元的实际效用,包括基础版循环神经单元、长短期记忆单元和门控循环单元.在模型结构层面,探索了适用于处理时序数据的模型,如双向循环运算和一维卷积运算等.实验结果表明,相较于常规的未考虑时序关联的建模方法,循环神经网络模型可以有效提升7类常见冷水机组运行故障的诊断效率.其中,采用双向长短期记忆神经网络的故障诊断性能最好,该方法可比XGBoost、全连接神经网络和SVM分别提升17.3%、23.9%和35.0%的诊断精度.本研究量化了多种循环神经网络在冷水机组故障诊断中的实践价值,研究成果有助于提升故障诊断技术的精细化水平.
故障诊断、冷水机组、循环神经网络、时序分析、建筑节能
38
TU831(房屋建筑设备)
国家自然科学基金51908365
2022-09-22(万方平台首次上网日期,不代表论文的发表时间)
共12页
160-171