典型文献
基于Tri-Training的制冷系统半监督故障诊断
文献摘要：
针对以往制冷系统故障诊断需采用已知运行状态的有标签数据,导致大量无标签数据信息无法利用的问题,本文提出一种基于Tri-Training的制冷系统半监督故障诊断方法,改善制冷系统故障诊断性能.采用一台316 kW离心式冷水机组7类典型故障的实际数据对该诊断方法进行验证,结果表明:该方法具有有效性,挖掘无标签数据信息的Tri-Training半监督故障诊断模型相比支持向量机(SVM)、K近邻(KNN)、随机森林(RF)3种有监督诊断模型,性能显著提高,总体诊断正确率达到99.43％,对系统级故障的诊断正确率提升1.73％～3.90％,虚警率、漏报率、误报率均有不同程度改善.同时,表明该故障诊断模型中3个基分类器的故障诊断性能及其多样性是影响该模型对制冷系统中无标签数据利用的主要因素.
文献关键词：
制冷系统;故障诊断;半监督学习;Tri-Training;优化
中图分类号：
作者姓名：
任正雄;韩华;崔晓钰;陆海龙;张运乾
作者机构：
上海理工大学能源与动力工程学院 上海 200093;重庆美的通用制冷设备有限公司 重庆 401336
文献出处：
引用格式：
[1]任正雄;韩华;崔晓钰;陆海龙;张运乾-.基于Tri-Training的制冷系统半监督故障诊断)[J].制冷学报,2022(04):129-136,144
A类：
B类：
Tri,Training,制冷系统,系统故障,无标签数据,法利,故障诊断方法,诊断性,一台,kW,离心式冷水机组,典型故障,实际数据,故障诊断模型,近邻,KNN,RF,有监督,诊断正确率,系统级,虚警率,漏报率,误报率,基分类器,数据利用,半监督学习
AB值：
0.247017
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。
