暖通空调
暖通空調
난통공조
Heating Ventilating & Air Conditioning
2015年
11期
101-107
,共7页
故障诊断%制冷系统%平滑因子%概率神经网络%误差反向传播网络
故障診斷%製冷繫統%平滑因子%概率神經網絡%誤差反嚮傳播網絡
고장진단%제랭계통%평활인자%개솔신경망락%오차반향전파망락
fault diagnosis%refrigeration system%spread value%probabilistic neural network (PNN)%back-propagation (BP) network
使用概率神经网络(PNN)对制冷系统7种常见故障进行诊断,包括系统故障和局部故障.详细介绍了应用PNN建立故障诊断模型以及平滑因子寻优过程,并探索了样本规模对最佳平滑因子和诊断正确率的影响.将PNN与人工神经网络中最常用的误差反向传播(BP)神经网络进行比较,结果表明,PNN网络的诊断正确率比BP网络诊断正确率高3.48％,且诊断耗时更短,并且PNN网络的单次训练结果更可靠.尽管2种网络的训练结果均显示系统故障比局部故障更难以被识别,但使用PNN网络进行诊断时,系统故障的诊断正确率明显高于BP网络的诊断正确率.
使用概率神經網絡(PNN)對製冷繫統7種常見故障進行診斷,包括繫統故障和跼部故障.詳細介紹瞭應用PNN建立故障診斷模型以及平滑因子尋優過程,併探索瞭樣本規模對最佳平滑因子和診斷正確率的影響.將PNN與人工神經網絡中最常用的誤差反嚮傳播(BP)神經網絡進行比較,結果錶明,PNN網絡的診斷正確率比BP網絡診斷正確率高3.48％,且診斷耗時更短,併且PNN網絡的單次訓練結果更可靠.儘管2種網絡的訓練結果均顯示繫統故障比跼部故障更難以被識彆,但使用PNN網絡進行診斷時,繫統故障的診斷正確率明顯高于BP網絡的診斷正確率.
사용개솔신경망락(PNN)대제랭계통7충상견고장진행진단,포괄계통고장화국부고장.상세개소료응용PNN건립고장진단모형이급평활인자심우과정,병탐색료양본규모대최가평활인자화진단정학솔적영향.장PNN여인공신경망락중최상용적오차반향전파(BP)신경망락진행비교,결과표명,PNN망락적진단정학솔비BP망락진단정학솔고3.48％,차진단모시경단,병차PNN망락적단차훈련결과경가고.진관2충망락적훈련결과균현시계통고장비국부고장경난이피식별,단사용PNN망락진행진단시,계통고장적진단정학솔명현고우BP망락적진단정학솔.
