基于遗传算法和BP神经网络的多联机阀类故障诊断

摘要：

针对多联机系统(变制冷剂流量系统)阀类故障的诊断特征变量冗杂、诊断效率低的问题,提出一种复合诊断模型,利用遗传算法在原始特征集中搜索特征子集,与参数优化后的BP神经网络模型结合,对多联机阀类故障进行检测和诊断.本文从原始特征集中优化选择了带有18个特征变量的最优特征子集,用该模型对电子膨胀阀卡死、电子膨胀阀泄漏和四通阀故障3种故障进行检测,结果表明:该复合诊断模型对故障检测率提高,其中电子膨胀阀的卡死故障检测率提升8％,整体诊断正确率提高到99.27％;该复合诊断模型大大提高了诊断效率,使测试时间缩短了52.17％,表明该复合诊断模型具有较好的故障诊断效果.

关键词：变制冷剂流量系统、阀类故障检测与诊断、特征选择、遗传算法、BP神经网络

所属期刊栏目：39

分类号：TB657.2;TP183;TU831.6(制冷工程)

资助基金：空调设备及系统运行节能国家重点实验室开放基金SKLACKF201606;国家自然科学基金51576074资助项目.The project was supported by State Key Laboratory of Air Conditioning Equipment and System Energy ConservationSKLACKF201606;the National Natural Science Foundation of China51576074

在线出版日期：2018-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-125