论文部分内容阅读
空调系统自动故障诊断已经成为保障空调机组安全稳定运行的重要手段.针对传统机器学习方法难以自学习和适应故障时间序列特征从而准确性下降的问题,结合长短期记忆(Long-short Term Memory,LSTM)神经网络适用于处理高度时间相关性和高维耦合性数据的特点,本文提出了一种基于LSTM的故障时间序列分析方法处理典型的故障前后时序数据,搭建故障智能诊断模型.采集实际运行的风冷螺杆机组低压保护故障时间序列数据,用于训练LSTM网络.结果表明:基于LSTM网络的模型在测试集上分类准确率达92.86％,验证了其相对于传统的机器学习算法具有更高的准确度,随着数据量的提升,LSTM有望能发挥其更好的预测性能.