[发明专利]一种污水源热泵机组智能故障诊断方法

权利要求书

1.一种污水源热泵机组智能故障诊断方法，其特征在于，包括以下步骤：

步骤1，获取水源热泵机组运行的历史数据，历史数据包括压力、电流和污水源热泵机组的温度；

步骤2，对步骤1中获取得到的历史数据中的故障特征量进行筛选和提取，将提取到的故障特征量归一化处理，之后分别设置为训练样本和测试样本；

步骤3，根据步骤2中的训练样本构建BP神经网络模型；

步骤4，通过遗传算法优化步骤3中构建的BP神经网络的权值和阈值，得到GA-BP模型；

步骤5，利用步骤4中构建的GA-BP模型对测试样本进行故障诊断。

2.根据权利要求1所述的一种污水源热泵机组智能故障诊断方法，其特征在于，步骤2中，将归一化处理后的故障特征量的80％作为训练样本，其20％作为测试样本。

3.根据权利要求1所述的一种污水源热泵机组智能故障诊断方法，其特征在于，步骤3中，BP神经网络模型的具体构建方法：

首先，确定BP神经网络模型结构：BP神经网络模型包括三层，第一层为输入层；第二层为中间层；第三层为输出层；其中，输入层为sigmoid函数；中间层为tansig()函数；输出层为logsig()函数；

其次，确定BP神经网络模型的参数：

输入层节点数为12个，包含蒸发器进水温度，蒸发器进水压力，蒸发器出水温度，蒸发器出水压力、冷凝器进水温度、冷凝器进水压力、冷凝器出水温度、冷凝器出水压力、压缩机电流、压缩机高压、压缩机低压和压缩机排气温度；

中间层节点数根据Kolmogorov定理确定为25个；

输出层节点数为3个，对应各种诊断结果，分别是正常运行状态、通过蒸发器的水流量减少、蒸发器结垢和冷凝器结垢。

4.根据权利要求1所述的一种污水源热泵机组智能故障诊断方法，其特征在于，步骤4中，通过遗传算法优化步骤3中构建的BP神经网络的权值和阈值的具体方法是：

S1，初始化BP网络结构的参数，包括设定初始遗传种群的规模N、最大遗传代数MAXGEN、代沟GGAP、交叉概率px和变异概率pm；

S2，计算种群适应度值：

FitnV＝ranking(Obj) (1)

式(1)，Obj为目标函数的输出，FitnV为适应度；

S3，计算个体被选中的概率p_i：

式中，Fi为个体i的适应度值，N为种群个体数目；

S4，交叉运算：

式中，a_kj为第k个染色体的j位；a_lj为第l个染色体的j位；该公式表示第k个染色体a_k和第l个染色体a_l在j位的交叉操作；

S5，变异运算：

式中，a_max是基因a_ij的上界，a_min是基因a_ij的下界；f(g)＝r₂(1-g/G_max)²，r₂是一个随机数，g是当前迭代次数，G_max是最大进化次数，r为[0,1]区间的随机数；

S6，输出GA-BP模型。