科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对冷水机组跨工况故障诊断过程中工况变化导致的模型性能下降问题，提出了基于领域对抗网络（DANN）的制冷剂泄漏故障跨工况诊断模型，基于迁移学习和对抗训练的思想将不同工况下的运行数据映射到一高维空间，在高维空间下将不同工况下的样本进行混淆，从而提高模型的泛化能力。本文从制冷剂泄漏故障检测和泄漏等级划分两个方面对比分析了DANN与一般模型在外延工况下的诊断准确率，结果表明不论是制冷剂泄漏故障检测还是泄漏等级划分，DANN在外延工况下均表现出了优于一般模型的诊断效果。在制冷剂泄漏检测问题中，DANN在部分工况下相较于深度神经网络（DNN）能够提升20%以上的准确率；在泄漏等级划分问题中，DANN的准确率在各个迁移方向上高于其他模型10.2%～27%。
- 单位
