Anwendung der PSO-Optimierung (Partikelschwarmoptimierung) auf BP (Fehler-Rückpropagation-Neuronales Netzwerk) zur Fehlerdiagnose bei zentrifugalen Kaltwasseranlagen, wobei 7 typische Fehler betrachtet werden, darunter 4 lokale Fehler und 3 Systemfehler, und ein PSO-optimiertes BP-Diagnosemodell erstellt wurde. Die Ergebnisse zeigen: Die Diagnoseleistung des BP-Neuronalen Netzwerks, optimiert durch PSO (einschließlich ein- und zweischichtiger versteckter Schichten), wurde deutlich verbessert, die Netzwerkstruktur vereinfacht, mit weniger versteckten Knoten kann eine bessere Diagnoseleistung erzielt werden. Die optimale Anzahl der versteckten Knoten beim einlagigen Netzwerk sank von 18 auf 10 nach der Optimierung, die Diagnoserate stieg von 89,42% auf 95,30%; beim zweilagigen Netzwerk sank die optimale Knotenzahl von 25 auf 12, die Diagnosegenauigkeit stieg von 97,87% auf 98,11%, die Diagnosezeit betrug nur 23% der Zeit vor der Optimierung. Die Fehlalarmrate (Falschmeldungen und Auslassungen) wurde gesenkt, und die Diagnoseleistung bei Systemfehlern, insbesondere Kältemittelleckagen, wurde erheblich verbessert, ebenso die Erkennungsrate des Normalzustands. Die PSO-Optimierung hilft dem BP-Netzwerk, lokale Minima zu überwinden und verbessert die Diagnoseleistung erheblich.

Kaltwasseranlage;Fehlerdiagnose;Partikelschwarmalgorithmus;BP-Neuronales Netzwerk;Fehlalarmrate