PSO（粒子群アルゴリズム）を最適化してBP（誤差逆伝播型ニューラルネットワーク）に応用し、遠心式チラーの故障診断に活用した。4つの局所的な故障と3つのシステム故障を含む7種類の典型的な故障に対して、PSO最適化BP診断モデルを構築した。結果は、PSOで最適化されたBPニューラルネットワーク（単一隠れ層および二重隠れ層を含む）の故障診断性能が著しく向上し、ニューラルネットワーク構造が簡素化され、より少ない隠れ層ノード数でより良い診断性能を得られることを示した。単一隠れ層ニューラルネットワークの最適な隠れ層ノード数は最適化前の18から10に減少し、診断精度は89.42%から95.30%に向上した。二重隠れ層ニューラルネットワークでは最適な隠れ層ノード数は25から12に減少し、診断精度は97.87%から98.11%に向上し、診断時間は最適化前の23%に過ぎなかった。故障診断の誤警報率（誤報および見逃し）が減少し、特に冷媒漏れ故障の診断性能が著しく改善され、正常状態の識別率も大幅に向上した。PSO最適化によりBPネットワークは局所最小値から脱出し、故障診断性能が効果的に改善された。

チラー;故障診断;粒子群アルゴリズム;BPニューラルネットワーク;誤警報率