10.3969/j.issn.2096-2835.2019.02.012
基于深度学习LSTM的空调故障诊断
目的:对空调的故障进行及时的检测排查并减少能源消耗,以减少人力维护成本,保证空调系统高效运行.方法:利用深度学习对空调系统进行准确诊断,使用长期短期记忆(LSTM)神经网络,针对空调的冷水机组故障数据,利用时间序列特性,搭建LSTM分类模型,同时对参数进行优化调整并进行交叉验证,以确定最优的LSTM模型参数及准确地对空调故障标签进行分类.结果:在五种不同空调故障严重程度下,该模型能够较准确的对空调故障进行诊断.结论:通过对比传统循环神经网络和它的另一个变体门控循环网络,该模型故障诊断的准确率较好,并且对新样本的适应性较好.
计量、故障诊断、长短期记忆循环神经网络、深度学习
30
TB9(计量学)
国家自然科学基金项目61602431;浙江省大学生科研创新活动计划项目2019R409043
2019-08-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
197-202