典型文献
局部广义矩阵学习向量量化在多联机系统阀类故障诊断中的应用
文献摘要：
多联机(VRF)系统结构复杂,采用传统方法难以识别设备故障,本文首次将特征选取和多目标进化算法优化框架集成于局部广义矩阵学习向量量化(LGMLVQ)故障诊断模型中,并应用于多联机系统的电子膨胀阀和四通阀故障诊断研究.运行数据来自多联机系统实验平台.实验结果表明,特征选择后的模型对多联机阀类故障的诊断准确率从91.40％提升到95.73％,而进化算法进一步将准确率提升至99.50％,耗时从14.109 s缩短为11.724 s.分析最优模型的正常数据自适应相关性矩阵可以对故障发生部位进行模糊定位,可以对实际故障维修提供一定的帮助.
文献关键词：
多联机;故障诊断;随机森林;多目标进化算法;局部广义矩阵学习向量量化
中图分类号：
作者姓名：
张鉴心;李正飞;陈焕新;刘倩;王誉舟
作者机构：
华中科技大学能源与动力工程学院,湖北武汉 430074
文献出处：
引用格式：
[1]张鉴心;李正飞;陈焕新;刘倩;王誉舟-.局部广义矩阵学习向量量化在多联机系统阀类故障诊断中的应用)[J].制冷技术,2022(01):8-16
A类：
局部广义矩阵学习向量量化,LGMLVQ
B类：
多联机系统,VRF,系统结构,设备故障,特征选取,多目标进化算法,算法优化,优化框架,故障诊断模型,电子膨胀阀,四通,诊断研究,运行数据,实验平台,特征选择,诊断准确率,准确率提升,最优模型,相关性矩阵,发生部位,故障维修
AB值：
0.207469
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
