Применение оптимизации PSO (алгоритм роя частиц) для BP (нейронной сети с обратным распространением ошибки) в диагностике неисправностей центробежного чиллера. Рассмотрены 7 типичных неисправностей, включая 4 локальные и 3 системные. Построена диагностическая модель BP, оптимизированная PSO. Результаты показывают: после оптимизации PSO диагностические характеристики BP нейронной сети (один скрытый слой и два скрытых слоя) значительно улучшились, структура сети упрощена, при меньшем количестве скрытых узлов достигается лучшая диагностическая производительность. Оптимальное количество узлов в скрытом слое однослойной сети уменьшилось с 18 до 10, точность диагностики повысилась с 89,42% до 95,30%; в двухслойной сети количество узлов уменьшилось с 25 до 12, точность повысилась с 97,87% до 98,11%, время диагностики составило всего 23% от времени до оптимизации. Снизился уровень ложных тревог (ложных срабатываний и пропусков), значительно улучшена диагностика системных неисправностей, особенно утечек хладагента, также значительно повысилась способность распознавания нормального состояния. Оптимизация PSO помогает BP сети выйти из локальных минимумов, значительно улучшая диагностическую производительность.

чиллер;диагностика неисправностей;алгоритм роя частиц;нейронная сеть BP;уровень ложных тревог