PSO(입자 군집 알고리즘)을 최적화하여 BP(오차 역전파 신경망)에 적용함으로써 원심식 냉수기 유닛의 고장 진단에 활용하였다. 4가지 국부 고장과 3가지 시스템 고장을 포함한 7가지 전형적인 고장에 대해 PSO 최적화 BP 진단 모델을 구축하였다. 결과는 PSO로 최적화된 BP 신경망(단일 은닉층 및 이중 은닉층 포함)의 고장 진단 성능이 현저히 향상되었으며, 신경망 구조가 단순화되어 적은 은닉층 노드 수로도 우수한 진단 성능을 달성할 수 있음을 보여준다. 단일 은닉층 신경망에서 최적 은닉층 노드 수는 최적화 전 18개에서 10개로 감소하였고, 진단 정확도는 89.42%에서 95.30%로 향상되었다; 이중 은닉층 신경망에서는 최적 은닉층 노드 수가 25개에서 12개로 줄었으며, 진단 정확도는 97.87%에서 98.11%로 증가하였고, 진단 시간은 최적화 전의 23%에 불과했다. 고장 진단의 허위 경보율(오보 및 누락)이 감소하였고, 특히 냉매 누설 고장의 진단 성능이 크게 개선되었으며 정상 상태 인식률도 크게 향상되었다. PSO 최적화는 BP 네트워크가 국부 최소값에서 벗어나도록 도와 고장 진단 성능을 효과적으로 개선하였다.

냉수기 유닛;고장 진단;입자 군집 알고리즘;BP 신경망;허위 경보율