科研之友
微信
新浪微博
Facebook
分享链接
摘要
制冷空调系统广泛用于建筑环境调节，是建筑能耗的重要组成部分，而系统故障运行会造成15%～20%的能耗增加。以深度学习为代表的数据驱动方法是故障诊断的热点技术。然而，数据驱动需要依赖大量标记数据从而限制了其应用。针对上述问题，提出一种基于知识数据化表达的故障诊断方法，通过将故障诊断先验知识以数据化的形式表达弥补真实标记数据不足的难题。首先，提出以随机缩放策略为信息扩增手段的知识数据化方法，并利用添加噪声达到生成样本与真实样本一致性更优的目的。然后，提出基于基准模型的目标系统偏离特性表征方法，将目标系统数据与生成数据的格式统一。最后，利用生成数据训练模型并在ASHRAE RP-1043数据集上验证，综合诊断正确率达82.67%，与经典的监督学习方法效果接近且完全无须标记数据，具有广泛应用前景。
- 单位
