[发明专利]一种空调系统传感器故障误差再学习方法及系统

权利要求书

1.一种空调系统传感器故障误差再学习方法，其特征在于，包括以下步骤：

步骤1、实时采集空调系统的传感器数据，构建训练样本；将训练样本中的一部分传感器数据作为a组样本数据，剩余部分传感器数据作为b组样本数据；

步骤2、构建基础神经网络，并将b组样本数据带入基础神经网络中，进行基础神经网络训练，得到训练后的基础神经网络；

步骤3、将a组样本数据中的一部分数据作为输入数据a₁，剩余部分数据作为输出数据a₂；将输入数据a₁带入训练后的基础神经网络中，得到预测输出数据a_预测；

步骤4、利用输出数据a₂与预测输出数据a_预测，计算得到预测误差a_预测误差；

步骤5、将预测误差a_预测误差按比例扩大到预设扩大分布区间(-n，n)中，得到比例扩大数据组a'；

步骤6、剔除比例扩大数据a'中的数据，构建传感器误差数据集合a”；获取传感器误差数据集合a”中与预测误差a_预测误差一一对应的元素，并按预测误差a_预测误差与传感器误差数据集合a”相对应的顺序排列，得到新的元素集合a'_预测数据；

步骤7、构建再学习神经网络，并将新的元素集合a'_预测数据中的数据带入再学习神经网络，进行再学习神经网络训练，得到训练后的再学习神经网络；

步骤8、将步骤3中的预测输出数据作为a_预测作为输入数据，带入训练后的再学习神经网络，得到再学习神经网络的输出数据a_m；对再学习神经网络的输出数据a_m进行范围逆过程化，得到预测误差回归数据a_预测回归；

步骤9、利用预测输出数据a_预测及预测误差回归数据a_预测回归，计算得到输出数据a_输出，输出数据a_输出即为所述空调系统传感器故障误差再学习方法结果；将输出数据a_输出与预设阈值进行对比，当输出数据输出数据a_输出中超出阈值部分的数据，即为传感器故障数据。

2.根据权利要求1所述的一种空调系统传感器故障误差再学习方法，其特征在于，步骤1中，空调系统的传感器数据包括新风温度、新风湿度、送风温度、送风湿度及回风温度；步骤3中，输入数据a₁包括新风温度、新风湿度、送风温度、送风湿度及回风温度；输出数据a₂包括回风温度。

3.根据权利要求1所述的一种空调系统传感器故障误差再学习方法，其特征在于，步骤1中，将训练样本中的若干传感器数据随机打乱后，按照1:1的比例，将若干传感器数据划分为a组样本数据及b组样本数据。

4.根据权利要求1所述的一种空调系统传感器故障误差再学习方法，其特征在于，步骤2中，基础神经网络采用BP神经网络；步骤7中，再学习神经网络采用BP神经网络。

5.根据权利要求1所述的一种空调系统传感器故障误差再学习方法，其特征在于，步骤4中，预测误差a_预测误差的数学表达式为：

预测误差a_预测误差＝输出数据a₂-预测输出数据a_预测。

6.根据权利要求1所述的一种空调系统传感器故障误差再学习方法，其特征在于，步骤5中，比例扩大数据组a'的数学表达式为；

其中，a'(x)为比例扩大数组a'中的第x个元素，a_预测误差(x)为预测误差a_预测误差中的第x个元素，n为预设扩大分布区间的上限值，a_{预测误差max}为预测误差a_预测误差中的最大值元素，最小值元素a_{预测误差min}为预测误差a_预测误差中的最小值元素。