华南理工大学学报(自然科学版)

作者：周璇, 王晓佩, 梁列全, 等

单位：1． 华南理工大学 机械与汽车工程学院，广东 广州 510640; 2． 广东财经大学 信息学院，广东 广州 510320

关键词：故障诊断,制冷剂充注量,随机森林算法,制冷系统

基金：广东省科技计划项目 ( 2016B090918105 ) ; 广东省自然科学基金资助项目 ( 2017A030310162， 2018A030313352)

制冷剂充注量异常是一种高风险故障，直接影响制冷系统的性能，且其表征参数诸多，难以有效、快速、准确地在线识别。针对上述问题，文中提出了一种基于随机森林 ( ＲF) 算法的制冷剂充注量故障监测与诊断方法。使用 ASHＲAE 1999 年提供的制冷主机故障数据库，对制冷剂充注量相关的直接测量特征数据进行分析，在保持各特征变量物理意义的前提下，利用随机森林算法研究各故障特征量的贡献率，并在不同样本规模和故障特征量维度的条件下，比较了基于 ＲF、基于支持向量机 ( SVM) 、基于决策树 ( DT) 算法的制冷剂充注量故障诊断效果。结果表明: ＲF 算法具有比较好的识别效率以及较高的分类准确率，平均诊断准确率分别比 DT 算法、SVM 算法提高约 3. 3% 和 2. 9% 。此外，文中还分析了充注量异常诊断贡献率较高的前 3 个故障特征量，为保证制冷系统运行性能与安全运行提供了理论依据。

来源：2020年第2期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第2期