科研之友
微信
新浪微博
Facebook
分享链接
摘要
制冷剂充注量异常是一种高风险故障,直接影响制冷系统的性能,且其表征参数诸多,难以有效、快速、准确地在线识别。针对上述问题,文中提出了一种基于随机森林(RF)算法的制冷剂充注量故障监测与诊断方法。使用ASHRAE 1999年提供的制冷主机故障数据库,对制冷剂充注量相关的直接测量特征数据进行分析,在保持各特征变量物理意义的前提下,利用随机森林算法研究各故障特征量的贡献率,并在不同样本规模和故障特征量维度的条件下,比较了基于RF、基于支持向量机(SVM)、基于决策树(DT)算法的制冷剂充注量故障诊断效果。结果表明:RF算法具有比较好的识别效率以及较高的分类准确率,平均诊断准确率分别比DT算法、SVM算法提高约3. 3%和2. 9%。此外,文中还分析了充注量异常诊断贡献率较高的前3个故障特征量,为保证制冷系统运行性能与安全运行提供了理论依据。
- 单位
