增量式制冷压缩机故障诊断方法与流程

文档序号:39793263发布日期:2024-10-29 17:05阅读:来源:国知局

技术特征:

1.一种增量式制冷压缩机故障诊断方法,其特征在于,具体步骤如下:

2.根据权利要求1所述增量式制冷压缩机故障诊断方法,其特征在于,建立元模型步骤中,所述元模型进一步包括模拟诊断模型,所述模拟诊断模型包括多个模拟参数,所述模拟参数包括模拟数值ci、模拟时长阈值ctime、模拟距今时长clong和模拟静态权重ωc,模拟数值ci为健康值,并通过机器学习算法生成,模拟时长阈值ctime和模拟静态权重ωc均为人工设定,∑ωc=1;

3.根据权利要求1或2所述增量式制冷压缩机故障诊断方法,其特征在于,对指标模型进行评价值计算时,a大于1,k等于1。

4.根据权利要求1或2所述增量式制冷压缩机故障诊断方法,其特征在于,所述专家人员分为由高到低的多个专家等级,对专家模型进行评价值计算时,修正参数k随着专家等级的由高到低逐渐减小,a小于1。

5.根据权利要求2所述增量式制冷压缩机故障诊断方法,其特征在于,多个所述模拟参数通过多种机器学习算法生成,所述机器学习算法包括逻辑回归、支持向量机、决策树、神经网络、朴素贝叶斯、k近邻。

6.根据权利要求5所述增量式制冷压缩机故障诊断方法,其特征在于,多个所述机器学习算法分为由低到高的多个模拟精度等级,对模拟诊断模型进行评价值计算时,修正参数k随着模拟精度等级的由高到低逐渐减小,a小于1。

7.根据权利要求2或6所述增量式制冷压缩机故障诊断方法,其特征在于,强模型中的参数分为由低到高的多个强模精度等级,对强模型进行评价值计算时,修正参数k随着强模精度等级的由高到低逐渐减小,a小于1。

8.根据权利要求7所述增量式制冷压缩机故障诊断方法,其特征在于,所述强模拟参数和所述强专家参数的强模精度等级均高于所述强指标参数。

9.根据权利要求1至2任一项所述增量式制冷压缩机故障诊断方法,其特征在于,健康值的取值范围均为0~100。

10.根据权利要求1至2任一项所述增量式制冷压缩机故障诊断方法,其特征在于,所述指标参数包括时域参数、频域参数和时频域参数;


技术总结
一种增量式制冷压缩机故障诊断方法,步骤包括:建立元模型、获取元模型的参数值、进行一级模型评价、建立强模型、获取强模型的参数值、进行二级模型评价和故障判断,本发明实施例中将多种元模型进行评价值计算,评价值计算是一种采用基于动态权重的自适应评估算法,从而将各个元模型有效结合,最终形成一个可控的强模型,达到博采众长的目标,将强模型再次进行评价值计算得到健康评估值,元模型中指标模型包括多种指标构成的指标参数,提供了多维度的综合分析,提升了诊断结果的准确性;两次评价值计算均考虑了时效性因素,从而提升了诊断的及时性和有效性;可根据改变诊断所需参数、数据的种类和数量,满足不同应用场景下的故障诊断要求。

技术研发人员:李明,李坤,李风旭,刘烨,徐萍萍,任崇彬,廖希利
受保护的技术使用者:恒华数字科技集团有限公司
技术研发日:
技术公布日:2024/10/28
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1