Modelo de diagnóstico de falhas na quantidade de carga de refrigerante sob condições térmicas em sistemas multi-split — baseado em rede neural convolucional multicamada
摘要
Este artigo propõe um modelo de diagnóstico de falhas baseado em redes neurais convolucionais, otimizando por meio de experimentos ortogonais os núcleos de convolução e o número de neurônios em uma rede de três camadas. Uma rede neural convolucional multicamada foi treinada com dados experimentais de falhas na quantidade de carga de refrigerante em um sistema VRF multi-split graficamente representado e avaliou-se o desempenho do modelo no diagnóstico de falhas. Os resultados mostram que o método "dados graficados - rede neural convolucional multicamada" pode diagnosticar eficazmente falhas na quantidade de carga de refrigerante em sistemas multi-split, com uma precisão total máxima de 91% para 9 tipos de falhas com 20 características de entrada, superando a precisão das redes neurais BP tradicionais. Este método usa redes neurais convolucionais para diagnosticar falhas na quantidade de carga de refrigerante em sistemas VRF pela primeira vez, estabelecendo uma base para a expansão de pesquisas relacionadas.
关键词
sistema multi-split; diagnóstico de falhas; rede neural convolucional; falhas na quantidade de carga de refrigerante; experimento ortogonal
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website