基于改进贝叶斯神经网络的多联机故障诊断策略

文档名：基于改进贝叶斯神经网络的多联机故障诊断策略
针对传统神经网络模型过拟合等问题,本文提出了一种基于改进贝叶斯神经网络的多联机故障诊断策略,该策略使用LOF(localoutlierfactor)法剔除原始数据中的异常值,并构建了BR(Bayesian-regularization)神经网络以提高模型的泛化能力.实验通过多联机系统制冷剂充注量故障验证该策略的可行性.结果表明:较BP(back-propagation)神经网络,LOF-BR神经网络模型诊断性能增强,整体检测率提高至97％.充注过量误诊为充注不足的比率显著降低,LOF法能有效剔除多联机系统异常值.
作者：曾宇柯陈焕新黄荣庚龚麒鉴
作者单位：华中科技大学能源与动力工程学院湖北武汉430074
母体文献：第十四届全国电冰箱(柜)、空调器及压缩机学术年会论文集
会议名称：第十四届全国电冰箱(柜)、空调器及压缩机学术年会  
会议时间：2018年8月1日
会议地点：青岛
主办单位：中国制冷学会
语种：chi
分类号：TU8TS4
关键词：中央空调  多联机系统  故障诊断  贝叶斯神经网络
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文

2024-12-10 15:01 上传 基于改进贝叶斯神经网络的多联机故障诊断策略.pdf

文件大小:

1.72 MB

下载次数:

60

高速下载