神經(jīng)網(wǎng)絡(luò)空調(diào)箱故障診斷(英文)

基于人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能和能夠表達(dá)復(fù)雜關(guān)系的特點(diǎn),針對(duì)桑塔納2000空調(diào)、冷卻系統(tǒng)的控制關(guān)系建立了相關(guān)神經(jīng)網(wǎng)絡(luò)仿真模型并進(jìn)行了仿真和故障診斷的研究。事實(shí)證明,神經(jīng)網(wǎng)絡(luò)技術(shù)是復(fù)雜車輛控制系統(tǒng)的控制關(guān)系分析和故障診斷的一種便捷、有效的方法。

建立中央空調(diào)的靜態(tài)物理模型,通過抽取特征向量殘差,建立中央空調(diào)故障狀態(tài)和特征向量之間的映射關(guān)系。通過人工引入故障,對(duì)某大樓中央空調(diào)運(yùn)行的現(xiàn)場(chǎng)測(cè)量,測(cè)量結(jié)果經(jīng)處理后輸入概率神經(jīng)網(wǎng)絡(luò),經(jīng)運(yùn)算后對(duì)中央空調(diào)進(jìn)行故障檢測(cè)與診斷。結(jié)果表明,該方法簡(jiǎn)單可行,運(yùn)算時(shí)間短,能夠?qū)崿F(xiàn)對(duì)中央空調(diào)的故障檢測(cè)與診斷。

空調(diào)系統(tǒng)的故障診斷十分復(fù)雜。針對(duì)傳統(tǒng)故障診斷的不足,提出神經(jīng)網(wǎng)絡(luò)與信息融合相結(jié)合的故障綜合診斷方法,對(duì)來自多個(gè)時(shí)刻的故障信息進(jìn)行融合,得到更為準(zhǔn)確的故障綜合診斷結(jié)果。通過在集中空調(diào)教學(xué)模型上的仿真試驗(yàn),證明了該故障診斷方法的可靠性。

將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)成了模糊神經(jīng)網(wǎng)絡(luò);針對(duì)熱泵空調(diào)五種常見故障,分析了模糊神經(jīng)網(wǎng)絡(luò)在熱泵空調(diào)故障診斷中的應(yīng)用。與傳統(tǒng)故障診斷方法相比,基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法對(duì)單一故障具有很好的識(shí)別能力,可以提高診斷精度。

基于神經(jīng)網(wǎng)絡(luò)的變風(fēng)量空調(diào)系統(tǒng)故障診斷——對(duì)變風(fēng)量空調(diào)系統(tǒng)的故障和故障發(fā)生的原因進(jìn)行了分析．提出了采用bp神經(jīng)網(wǎng)絡(luò)對(duì)變風(fēng)量空調(diào)系統(tǒng)的故障進(jìn)行檢測(cè)與診斷．運(yùn)用matlab中的神經(jīng)網(wǎng)絡(luò)工具對(duì)故障的模式和故障的原因進(jìn)行了仿真。

對(duì)空調(diào)系統(tǒng)中的溫度、壓力、流量傳感器的漂移故障,提出了一種基于小波神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷方法。該方法首先采用小波分析方法對(duì)歷史故障數(shù)據(jù)和正常數(shù)據(jù)進(jìn)行分析,從而提取數(shù)據(jù)的頻帶特征,通過神經(jīng)網(wǎng)絡(luò)對(duì)這些特征進(jìn)行學(xué)習(xí),使神經(jīng)網(wǎng)絡(luò)分析能夠?qū)Υ\斷數(shù)據(jù)的進(jìn)行故障診斷。仿真實(shí)驗(yàn)的結(jié)果表明,該方法對(duì)傳感器的漂移故障能夠?qū)崿F(xiàn)有效地診斷。

對(duì)變風(fēng)量空調(diào)系統(tǒng)的故障和故障發(fā)生的原因進(jìn)行了分析.提出了采用bp神經(jīng)網(wǎng)絡(luò)對(duì)變風(fēng)量空調(diào)系統(tǒng)的故障進(jìn)行檢測(cè)與診斷.運(yùn)用matlab中的神經(jīng)網(wǎng)絡(luò)工具對(duì)故障的模式和故障的原因進(jìn)行了仿真。仿真結(jié)果表明,采用bp神經(jīng)網(wǎng)絡(luò)對(duì)變風(fēng)量空調(diào)系統(tǒng)進(jìn)行故障診斷是行之有效的。

基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷研究——選擇反映制冷系統(tǒng)故障狀態(tài)的熱力參數(shù)集組成特征向量，并對(duì)其進(jìn)行模糊化處理，利用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)建立故障狀態(tài)與熱力參數(shù)特征向量之間的映射關(guān)系。將神經(jīng)網(wǎng)絡(luò)和補(bǔ)償模糊邏輯相結(jié)合，采用動(dòng)態(tài)、全局優(yōu)化的運(yùn)算，...

目的通過對(duì)鋁電解生產(chǎn)過程中的故障進(jìn)行有效地診斷來提高鋁的生產(chǎn)效率和節(jié)約能源.方法把粗糙集和神經(jīng)網(wǎng)絡(luò)結(jié)合起來應(yīng)用在鋁電解的故障診斷中.先用自組織特征映射網(wǎng)絡(luò)(som)對(duì)初始數(shù)據(jù)進(jìn)行離散化后得到?jīng)Q策表,然后用粗糙集理論對(duì)決策表進(jìn)行約簡(jiǎn)得到最簡(jiǎn)決策表,根據(jù)最簡(jiǎn)決策表設(shè)計(jì)bp神經(jīng)網(wǎng)絡(luò)對(duì)鋁電解中的故障進(jìn)行診斷.結(jié)果用粗糙集對(duì)神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行預(yù)處理可以簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),減少計(jì)算量和訓(xùn)練時(shí)間,從而提高整個(gè)診斷系統(tǒng)的診斷效率、故障診斷準(zhǔn)確率在90%以上.結(jié)論該方法能夠?qū)︿X電解中的故障做出正確的診斷.

基于小波神經(jīng)網(wǎng)絡(luò)的空調(diào)系統(tǒng)傳感器故障診斷——文章詳細(xì)闡述了小波神經(jīng)網(wǎng)絡(luò)(wnn)的原理、結(jié)構(gòu)，并對(duì)傳統(tǒng)的bp算法進(jìn)行了改進(jìn)。以空調(diào)系統(tǒng)傳感器故障檢測(cè)問題為目標(biāo)，提出了基于wnn的故障診斷方法。通過采集天津博物館中的傳感器數(shù)據(jù)，對(duì)訓(xùn)練好的wnn進(jìn)行了傳感器...

由于我國(guó)智能自動(dòng)化技術(shù)正在日益精進(jìn),對(duì)傳感器的故障診斷及修復(fù)技術(shù)變得不容忽視,這其中,整流罩的空調(diào)系統(tǒng)傳感器多用于衛(wèi)星等航天器械之上,對(duì)該系統(tǒng)的鼓掌診斷多半基于神經(jīng)網(wǎng)絡(luò)技術(shù)。文章首先概述整個(gè)整流罩空調(diào)系統(tǒng)的各組成部分,然后分析了導(dǎo)致整流罩空調(diào)系統(tǒng)的傳感器發(fā)生故障的主要影響因素及其典型體現(xiàn),最后針對(duì)如何對(duì)傳感器故障進(jìn)行診斷提出具體方法,重點(diǎn)體現(xiàn)神經(jīng)網(wǎng)絡(luò)技術(shù)。

人的思維有邏輯性和直觀性兩種不同的基本方式.直觀性的思維是將分布式存儲(chǔ)的信息綜合起來,結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法.這種思維方式的根本之處在于以下兩點(diǎn):①信息是通過神經(jīng)元上的興奮模式分布儲(chǔ)存在網(wǎng)絡(luò)上;②信息處理是通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程來完成的.人工神經(jīng)網(wǎng)絡(luò)就是一個(gè)模擬人的直觀性思維的非線性動(dòng)力學(xué)系統(tǒng),其特色在于信息的分布式儲(chǔ)存和并行協(xié)同處理.

人的思維有邏輯性和直觀性兩種不同的基本方式。直觀性的思維是將分布式存儲(chǔ)的信息綜合起來,結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法。這種思維方式的根本之處在于以下兩點(diǎn):①信息是通過神經(jīng)元上的興奮模式分布儲(chǔ)存在網(wǎng)絡(luò)上;②信息處理是通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程來完成的。人工神經(jīng)網(wǎng)絡(luò)就是一個(gè)模擬人的直觀性思維的非線性動(dòng)力學(xué)系統(tǒng),其特色在于信息的分布式儲(chǔ)存和并行協(xié)同處理。

針對(duì)變風(fēng)量空調(diào)系統(tǒng)的故障診斷問題及其特點(diǎn),提出了一種基于改進(jìn)角分類神經(jīng)網(wǎng)絡(luò)——fdcc的故障診斷模型.該模型克服了cc4角分類神經(jīng)網(wǎng)絡(luò)輸出結(jié)果為二進(jìn)制的局限,根據(jù)故障模式所落入的k最近鄰的樣本泛化空間來進(jìn)行故障診斷,并輸出結(jié)果向量,其各分量為各故障原因可能出現(xiàn)的概率.

詳細(xì)闡述了小波神經(jīng)網(wǎng)絡(luò)(wnn)的原理、結(jié)構(gòu),并對(duì)傳統(tǒng)的bp算法進(jìn)行了改進(jìn)。以空調(diào)系統(tǒng)傳感器故障檢測(cè)問題為目標(biāo),提出了基于wnn的故障診斷方法。通過采集天津博物館中的傳感器數(shù)據(jù),對(duì)訓(xùn)練好的wnn進(jìn)行了傳感器故障診斷能力的驗(yàn)證,對(duì)溫度傳感器的1℃偏差故障、0.05℃/s速率漂移故障、完全故障、與不同方差下的精度等級(jí)下降故障進(jìn)行了仿真,結(jié)果表明:這種方法對(duì)傳感器故障具有很好的診斷效果。

針對(duì)普通bp算法存在的收斂速度慢以及容易陷入局部極小點(diǎn)等問題,提出了一種改進(jìn)的bp算法,應(yīng)用該算法對(duì)空調(diào)系統(tǒng)傳感器故障進(jìn)行診斷。matlab仿真運(yùn)行證明,在相同的條件下,改進(jìn)的bp算法加快了網(wǎng)絡(luò)的收斂速度,避免了陷入局部極小的問題。在故障診斷的準(zhǔn)確率方面優(yōu)于普通的bp神經(jīng)網(wǎng)絡(luò)。

選擇熱力參數(shù)集組成反映制冷系統(tǒng)故障狀態(tài)的特征向量,提出了利用概率神經(jīng)網(wǎng)絡(luò)通過模式分類來聯(lián)系系統(tǒng)故障狀態(tài)與熱力參數(shù)特征向量之間的映射關(guān)系.對(duì)實(shí)際試驗(yàn)結(jié)果的應(yīng)用嘗試表明,該診斷方法可行且有效,為開發(fā)以人工神經(jīng)網(wǎng)絡(luò)為框架的制冷系統(tǒng)故障診斷系統(tǒng)提供了研究基礎(chǔ).

針對(duì)空調(diào)系統(tǒng)中的不同故障,分析了空調(diào)箱的故障特性,并討論了不同故障對(duì)空調(diào)系統(tǒng)能耗及熱舒適性的影響.仿真試驗(yàn)結(jié)果表明,送風(fēng)溫度的測(cè)量故障會(huì)導(dǎo)致系統(tǒng)能耗的增加.根據(jù)故障特性,提出了一種基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理方法,用以檢測(cè)和診斷空調(diào)箱中的傳感器故障.該方法首先選取歷史數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行狀態(tài)的識(shí)別和預(yù)測(cè).然后,通過比較測(cè)量值與預(yù)測(cè)值,計(jì)算出相對(duì)誤差,實(shí)現(xiàn)對(duì)故障的診斷.最后,利用基于trnsys的仿真器,對(duì)神經(jīng)網(wǎng)絡(luò)的故障診斷策略進(jìn)行了驗(yàn)證.結(jié)果表明,神經(jīng)網(wǎng)絡(luò)可以有效診斷空調(diào)系統(tǒng)中的溫度、流量和壓力傳感器故障.

文章以熱泵機(jī)組為研究對(duì)象,從實(shí)驗(yàn)測(cè)試的角度建立故障-征兆模型。采用bp神經(jīng)網(wǎng)絡(luò)對(duì)熱泵機(jī)組進(jìn)行故障診斷并利用matlab仿真,仿真結(jié)果表明基于bp神經(jīng)網(wǎng)絡(luò)的熱泵機(jī)組故障診斷實(shí)現(xiàn)簡(jiǎn)單且效果較好。

本文綜述了國(guó)際遙感分類研究,使用landsat7etm+遙感數(shù)據(jù)和地理輔助數(shù)據(jù),應(yīng)用bp神經(jīng)網(wǎng)絡(luò)方法,將莽漢山林場(chǎng)作為研究區(qū)進(jìn)行了遙感影像的分類研究。比較了bp神經(jīng)網(wǎng)絡(luò)分類與最大似然、簡(jiǎn)單和復(fù)雜非監(jiān)督分類法之間的類型與數(shù)量精度。bp神經(jīng)網(wǎng)絡(luò)分類的總類型精度是70.5%,總數(shù)量精度為84.65%,kappa系數(shù)是0.6455。結(jié)果說明bp神經(jīng)網(wǎng)絡(luò)的分類質(zhì)量?jī)?yōu)于其他方法,其總的類型精度與其他三種分類方法相比分別增加了10.5%、32%和33%,總的質(zhì)量精度增加了5.3%。因此,輔以地理參考數(shù)據(jù)的bp神經(jīng)網(wǎng)絡(luò)分類可以作為一種有效的分類方法。

提出了一種減聚類徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的紡織空調(diào)送風(fēng)風(fēng)機(jī)故障診斷方法。在rbf網(wǎng)絡(luò)中采用了一種減聚類的學(xué)習(xí)算法來確定徑向基函數(shù)的相應(yīng)參數(shù),使網(wǎng)絡(luò)結(jié)構(gòu)得到優(yōu)化。試驗(yàn)結(jié)果顯示,該方法可以有效提高故障診斷的精度和效率。

介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展及其基本原理，以及常用的b-p網(wǎng)絡(luò)及訓(xùn)練算法，并介紹了神經(jīng)網(wǎng)絡(luò)的各種應(yīng)用，著重其在制冷空調(diào)方面的應(yīng)用；還論述了神經(jīng)網(wǎng)絡(luò)在控制方面應(yīng)用的相關(guān)理論及在制冷空調(diào)系統(tǒng)控制上的嘗試。