一种基于概率神经网络的空调制冷机组故障诊断方法技术

本发明专利技术涉及空调故障诊断技术领域，公开了一种基于概率神经网络的空调制冷机组故障诊断方法，包括以下步骤：数据采集、故障分类、构建概率神经网络模型、特性向量提取、模型训练、模型验证以及故障诊断；本发明专利技术的有益效果：通过提取故障特征向量的残差，建立了空调制冷机组的故障堵塞状态与特征向量之间的映射关系，对故障测量数据进行处理并输入概率神经网络，对空调进行短而准确的故障检测和诊断，其具有方法结构更简单，训练速度更快的优点。

【技术实现步骤摘要】

本专利技术涉及空调故障诊断，具体地说，涉及一种基于概率神经网络的空调制冷机组故障诊断方法。

技术介绍

1、空调是最基本的家用电器和主要的能耗终端之一。据统计，与建筑运行相关的供暖、通风和空调(hvac)系统所消耗的能源约占整个国民经济所消耗能源的30％左右，其所占份额继续增加。当空调和制冷系统出现故障时，它们往往处于异常运行状态，最严重的后果是对系统设备的损坏。其次，不能保证空调环境的舒适性或所需的制冷环境，系统的能耗往往需要增加15％-30％。因此，为了保持空调的正常运行，进行空调系统的故障诊断非常必要，空调制冷系统已成为国内外的研究热点。

2、为了实现节能和提高室内空气品质的目的，空调系统(heating,ventilationandair conditioning,hvac)的各种优化控制策略已变得日益复杂，但这些优化策略的实施必须有一个前提：传感器的准确性和可靠性。然而，空调系统中的传感器经过长期使用后往往会出现测量偏差或漂移，测量故障必然会误导控制系统，导致先进控制策略的目标无法实现。因此，如何在传感器出现测量偏差时能够及时的发现它是本文档来自技高网...

【技术保护点】

1.一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于，在S7中，包括以下步骤：

3.根据权利要求2所述的一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于：在模式层中，神经元数量等于所有训练样本的数量，当传输层接受矢量X时，模式层中第二类i样本的第三种j神经元匹配的输入关系如下：

4.根据权利要求3所述的一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于：在S2中，所述相关运行数据包括内外机的温度、循环冷却水湿度、循环冷却水入口压力、循...

【技术特征摘要】

1.一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于，在s7中，包括以下步骤：

3.根据权利要求2所述的一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于：在模式层中，神经元数量等于所有训练样本的数量，当传输层接受矢量x时，模式层中第二类i样本的第三种j神经元匹配的输入关系如下：

4.根据权利要求3所述的一种基于概率神经网络的空调制冷机组故障诊断方法，其特征在于：在s2中，所述相关运行数据包括内外机的温度、循环冷却水...

【专利技术属性】
技术研发人员：王玉洁，
申请(专利权)人：江苏海事职业技术学院，
类型：发明
国别省市：