[发明专利]一种基于深度学习的HVAC系统渐变故障诊断方法在审
| 申请号： | 201811113768.4 | 申请日： | 2018-09-25 |
| 公开（公告）号： | CN109213127A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 顾江萍;金华强;沈希;黄跃进;孙哲;王俞;朱宏卫 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的HVAC渐变故障识别与诊断方法。该方法利用健康系统的运行数据，对主成分分析(PCA)及循环神经网络(RNN)模型进行训练，利用PCA模型对系统故障进行识别，利用RNN模型对系统变化进程和渐变故障进行诊断，判定系统具体故障。由于RNN属于深层神经网络且具有记忆历史信息的特性，使得该模型可以很好地拟合类似于HVAC的高度非线性时变系统。本发明对早期渐变故障诊断具有较高精度，可以对非稳定系统的参数进行精确预测；大大降低了数据获取难度，该方法对渐变故障诊断效果良好，是一种可行的、高精度的渐变故障识别与诊断方法。 | ||
| 搜索关键词： | 渐变 故障诊断 故障识别 诊断 循环神经网络 高度非线性 主成分分析 健康系统 历史信息 判定系统 神经网络 时变系统 数据获取 稳定系统 系统变化 系统故障 运行数据 拟合 学习 预测 进程 | ||
【主权项】：
1.一种基于深度学习的HVAC系统渐变故障诊断方法，其特征在于，所述方法包括以下步骤：1)对HVAC新系统的运行数据进行采集，采集新系统数据均为健康数据；2)将采集数据进行整理，分出不同故障对应的输入输出参数，整理成训练数据集；该训练数据集用于训练神经网络，不同故障对应的数据集不同；3)利用PCA进行故障识别；4)利用不同训练数据集分别训练RNN网络；5)利用训练好的模型对目标系统进行诊断：将目标系统的测试量分成输入输出数据，该分类与模型训练时一致，将输入量导入RNN模型，RNN会计算出输出量，将此输出量和测试的输出量对比，如果残差大于阈值，则为故障系统。
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浙江工业大学，未经浙江工业大学许可，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/patent/201811113768.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种操作任务的操控方法、装置及设备
- 下一篇：闭环控制失效检测方法及系统
