Aplicación de la optimización PSO (algoritmo de enjambre de partículas) en BP (red neuronal de retropropagación de error) para el diagnóstico de fallas en unidades enfriadoras centrífugas, abordando 7 fallas típicas, incluyendo 4 fallas locales y 3 fallas del sistema, estableciendo un modelo de diagnóstico BP optimizado con PSO. Los resultados muestran que el rendimiento del diagnóstico de la red neuronal BP optimizada con PSO (incluyendo una capa oculta y doble capa oculta) mejoró significativamente, simplificando la estructura de la red, y con menos nodos ocultos se puede obtener mejor rendimiento diagnóstico. El número óptimo de nodos ocultos para la red con una sola capa oculta se redujo de 18 a 10 después de la optimización, y la tasa de diagnóstico correcto aumentó de 89,42% a 95,30%; para la red de doble capa oculta, el número óptimo de nodos ocultos cayó de 25 a 12, y la tasa de diagnóstico correcto aumentó de 97,87% a 98,11%, el tiempo de diagnóstico fue solo el 23% del tiempo antes de la optimización. La tasa de falsas alarmas (falsos positivos y negativos) disminuyó, mejorando significativamente el desempeño del diagnóstico de fallas del sistema, especialmente las fugas de refrigerante, y también se mejoró enormemente la tasa de reconocimiento de condiciones normales. La optimización PSO ayuda a la red BP a salir de mínimos locales, mejorando significativamente el rendimiento del diagnóstico.

Unidad enfriadora;diagnóstico de fallas;algoritmo de enjambre de partículas;red neuronal BP;tasa de falsas alarmas