[发明专利]一种多联机的制冷剂充注量故障诊断方法和装置在审
申请号: | 201910256845.X | 申请日: | 2019-04-01 |
公开(公告)号: | CN111765676A | 公开(公告)日: | 2020-10-13 |
发明(设计)人: | 王小娜 | 申请(专利权)人: | 新奥数能科技有限公司 |
主分类号: | F25B49/02 | 分类号: | F25B49/02 |
代理公司: | 北京嘉科知识产权代理事务所(特殊普通合伙) 11687 | 代理人: | 杨波 |
地址: | 100102 北京市朝阳区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 联机 制冷剂 充注量 故障诊断 方法 装置 | ||
1.一种多联机的制冷剂充注量故障诊断方法,其特征在于,该方法包括:
S1:采集多联机在不同充注量制冷剂下的运行数据;
S2:通过主元分析法PCA对采集的运行数据进行处理,获得特征运行数据;
S3:利用特征运行数据对BP神经网络进行训练,获得制冷剂充注量故障检测模型;
S4:利用所述故障检测模型判断多联机的制冷剂充注量是否满足预设标准。
2.根据权利要求1所述多联机的制冷剂充注量故障诊断方法,其特征在于,在步骤S2之前,进一步包括:
对采集的运行数据进行预处理;
该预处理包括剔除运行数据中数值保持不变的死值变量、测量温度值中超出正常范围的测量值和压力测量值中超出正常范围的测量值。
3.根据权利要求1所述多联机的制冷剂充注量故障诊断方法,其特征在于,步骤S2的具体过程包括:
利用PCA分析得到各个主元的贡献率及累计贡献率;
根据各个主元的贡献率及累计贡献率,确定符合预设要求的特征运行数据。
4.根据权利要求3所述多联机的制冷剂充注量故障诊断方法,其特征在于,步骤S3的具体过程包括:
以特征运行数据作为BP神经网络的输入数据,以制冷剂充注量作为BP神经网络的输出数据,构建BP神经网络;
利用特征运行数据对构建的BP神经网络进行训练,获得制冷剂充注量故障检测模型。
5.一种多联机的制冷剂充注量故障诊断装置,其特征在于,该装置包括:数据采集模块、主元分析模块、模型训练模块和检测判断模块,其中,
所述数据采集模块,用于采集多联机在不同充注量制冷剂下的运行数据;
所述主元分析模块,用于通过主元分析法PCA对采集的运行数据进行处理,获得特征运行数据;
所述模型训练模块,用于利用特征运行数据对BP神经网络进行训练,获得制冷剂充注量故障检测模型;
所述检测判断模块,用于利用所述故障检测模型判断多联机的制冷剂充注量是否满足预设标准。
6.根据权利要求5所述多联机的制冷剂充注量故障诊断装置,其特征在于,该装置还包括:数据处理模块,用于对采集的运行数据进行预处理;
该预处理包括剔除运行数据中数值保持不变的死值变量、测量温度值中超出正常范围的测量值和压力测量值中超出正常范围的测量值。
7.根据权利要求5所述多联机的制冷剂充注量故障诊断装置,其特征在于,所述主元分析模块具体用于利用PCA分析得到各个主元的贡献率及累计贡献率,以及根据各个主元的贡献率及累计贡献率,确定符合预设要求的特征运行数据。
8.根据权利要求7所述多联机的制冷剂充注量故障诊断装置,其特征在于,所述检测判断模块具体用于以特征运行数据作为BP神经网络的输入数据,以制冷剂充注量作为BP神经网络的输出数据,构建BP神经网络,以及利用特征运行数据对构建的BP神经网络进行训练,获得制冷剂充注量故障检测模型。
9.一种可读介质,其特征在于,该可读介质包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行如权利要求1至4中任一所述多联机的制冷剂充注量故障诊断方法。
10.一种电子设备,其特征在于,该电子设备包括:处理器、存储器和总线;所述存储器用于存储执行指令,所述处理器与所述存储器通过所述总线连接,当所述电子设备运行时,所述处理器执行所述存储器存储的所述执行指令,以使所述处理器执行如权利要求1至4中任一所述多联机的制冷剂充注量故障诊断方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于新奥数能科技有限公司,未经新奥数能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910256845.X/1.html,转载请声明来源钻瓜专利网。