[发明专利]一种制冷系统故障诊断方法在审

专利信息
申请号: 201910455183.9 申请日: 2019-05-29
公开(公告)号: CN110162013A 公开(公告)日: 2019-08-23
发明(设计)人: 韩华;张展;崔晓钰;高佳檠 申请(专利权)人: 上海理工大学
主分类号: G05B23/02 分类号: G05B23/02
代理公司: 上海德昭知识产权代理有限公司 31204 代理人: 郁旦蓉;颜爱国
地址: 200093 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 诊断器 诊断 制冷系统故障 样本训练集 实验数据 故障诊断结果 冷水机组故障 测试样本集 故障诊断 冷水机组 使用测试 随机选择 样本集 采集 投票
【权利要求书】:

1.一种制冷系统故障诊断方法,其特征在于,包括以下步骤:

步骤1,通过模拟冷水机组故障实验,采集得到多个实验数据,所述实验数据经过处理后随机选择组成样本训练集数据及测试样本集数据;

步骤2,选取多个不同的成员诊断器,分别得到多个不同的成员诊断器的诊断模型;

步骤3,通过多数投票法则将S2中多个不同的所述诊断模型进行集成,形成集成诊断器模型;

步骤4,使用所述样本训练集数据对所述集成诊断器模型进行训练,得到训练好的所述集成诊断器模型;

步骤5,使用所述测试样本集在训练好的所述集成诊断器模型对冷水机组进行故障诊断,得到故障诊断结果。

2.根据权利要求1所述的制冷系统故障诊断方法,其特征在于:

其中,步骤1中,数据采集可分为广泛覆盖的正常工况数据采集与相应的故障模拟数据的采集。

3.根据权利要求1所述的制冷系统故障诊断方法,其特征在于:

其中,对所述实验数据进行计算后得到虚拟传感器数据。

4.根据权利要求3所述的制冷系统故障诊断方法,其特征在于:

其中,步骤2中,多个所述成员诊断器包括K近邻诊断器、支持向量机诊断器及决策树诊断器。

5.根据权利要求3所述的制冷系统故障诊断方法,其特征在于:

其中,步骤3中,所述集成诊断器模型的表达式为:

式中,m为模型的个数,i为模型序号,Cj对应第j个模型,wj是Cj对应的权重,为集成诊断器的预测类标,xA为特征函数[Cj(x)=i∈A],A为类标的集合。

6.根据权利要求5所述的制冷系统故障诊断方法,其特征在于:

其中,如果所述成员诊断器的预测权重均等,所述集成诊断器模型的表达式为:

Cm(x)为第m个模型对样本x的预测类标,为集成诊断器的预测类标。

7.根据权利要求1所述的制冷系统故障诊断方法,其特征在于,还包括:

步骤6,对所述成员诊断器与所述集成诊断器的故障诊断结果进行对比。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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上海理工大学,未经上海理工大学许可,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/201910455183.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top