【技术实现步骤摘要】
一种制冷系统故障诊断方法
本专利技术属于制冷领域，具体涉及一种制冷系统故障诊断方法。
技术介绍
传统的诊断系统通常仅采用样本的某种单一特征描述和一个特定的诊断器进行分类，对于类别较多、输入样本带噪声的问题很难获得较好的结果。不同的诊断器性能存在差异，对于在一个诊断器中很难区分的两种特征描述在另一种诊断器上有可能更容易判断。KNN为较简单的消极学习诊断器，根据样本及目标间距离进行诊断。但样本不平衡时，易导致大比例样本在待测目标中占据主导地位。SVM为积极学习诊断器，通过寻找最优决策面对样本分类，较KNN内存资源开销更小，但其对参数调节和和函数的选择敏感，且原始分类器不加修改仅适用于处理二分类问题。DT也为积极学习诊断器，通过计算样本信息熵或基尼指数等系数生成树状模型对样本进行分类。集成学习的目标是将不同的模型组合成为一个元模型，多模型集成建模可以有效解决单一模型建模效率低、泛化能力较差的问题。上述三种诊断器各自诊断原理不同且对样本特征偏重不一样，对于同一组目标样本难以同时取得较优结果，各自具有不同优缺点且适用样本特征范围不同。
技术实现思路
为了解决上述问题，本专利技术...
【技术保护点】
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。
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：韩华，张展，崔晓钰，高佳檠，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。