科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出了一种基于焦点损失（FL）和反向传播（BP）神经网络的冷水机组故障诊断方法。首先构建了BP神经网络故障诊断模型，考虑到实际工程中经常出现机组正常数据与故障数据之间样本不平衡的情况，提出了使用FL代替交叉熵（CE）损失作为神经网络的损失函数，并构建了三类不平衡数据集进行仿真验证。结果表明：FL+BP神经网络模型在三类数据集上的准确率分别达到了93.98%、95.8%和96.8%，相对于CE+BP神经网络模型分别提高了2.87%、1.54%和1.12%。本方法能够有效缓解故障数据量少带来的不平衡问题，根据少量故障数据进行故障检测并诊断原因，相对于传统算法准确率等指标有明显提升。
- 单位
