【摘 要】
:
R290(丙烷)是当前制冷剂替代技术的重要技术路线之一,具有良好的热力学性能和节能潜力,但其可燃性成为大规模推广的主要障碍,因此针对R290制冷剂泄漏的精准识别乃至预测是行业研究重点。制冷系统故障直接影响系统运行参数,不同故障类型所引起的运行参数变化规律不一致,利用数据挖掘中的回归预测和分类预测方法,建立运行参数时间序列预测模型和不同类型故障分类器模型,并将二者耦合实现故障预测的目的,为R290制
【基金项目】
:
生态环境部对外合作与交流中心专项(FECD/LY1/S/21/006);
论文部分内容阅读
R290(丙烷)是当前制冷剂替代技术的重要技术路线之一,具有良好的热力学性能和节能潜力,但其可燃性成为大规模推广的主要障碍,因此针对R290制冷剂泄漏的精准识别乃至预测是行业研究重点。制冷系统故障直接影响系统运行参数,不同故障类型所引起的运行参数变化规律不一致,利用数据挖掘中的回归预测和分类预测方法,建立运行参数时间序列预测模型和不同类型故障分类器模型,并将二者耦合实现故障预测的目的,为R290制冷剂泄漏问题提供一种可行的解决方案。研究内容包括:首先设计搭建R290制冷剂泄漏实验样机并进行测试实验,采集各模式下的运行数据构成原始数据集,通过特征选择方法将原始的18个特征减少至5个,大大降低了数据冗余。其次基于预处理后数据集建立正常—泄漏故障诊断SVM模型(model1)和干扰故障诊断SVM模型(model2),将各模式运行数据输入至model1模型中,输出为4个标签的预测得分,通过对预测得分的分析提出一种基于SVM预测得分的故障诊断策略,并结合model3构建故障诊断模型,可对不同的运行模式进行准确识别,准确率高达100%。此外,该模型能够有效降低未知故障的误诊率。随后针对以上SVM模型的特征参数集,利用LSTM建立多元时间序列预测模型并进行参数调优,使其在测试集上的均方根误差(RMSE)由最初的0.162降低至0.057,提高模型预测性能。将LSTM参数预测模型与故障诊断模型相结合,构建LSTM-SVM故障预测模型,使用预测模型输出值作为故障诊断模型的输入,提前判断系统运行模式,在测试集上的评估结果表明,该耦合模型相比普通模型能够提前2~4个时间步发现系统故障。最后基于Py Side2和My SQL等技术,设计并开发了制冷剂泄漏在线故障诊断平台,能够实现平台登录及注册、参数监控和故障监测等功能,使用本地数据模拟在线故障诊断,结果显示该平台能够及时发现系统故障并准确记录故障信息,为可燃制冷剂泄漏问题提供了一种解决方案。
其他文献
梳理总结国内外无人装备自主性评估的研究进展,从Observe, Orient, Decide,Act(OODA)基础性能力出发,探索构建通用的智能无人装备自主性评价指标体系,并提出引入层次分析法和模糊综合评价法,采取定性分析与定量相结合的方法进行自主性评价。
目的:采用液质联用技术,以水、正丁醇、乙酸乙酯、石油醚为溶剂提取西黄丸,检测西黄丸中化学组分,研究各提取组化学组分对MCF-7细胞增殖、凋亡和周期的影响。方法:(1)西黄丸化学组分的提取:分别以水、正丁醇、乙酸乙酯、石油醚为溶剂抽提西黄丸,通过液质联用技术,在适配的电喷雾离子源条件下得出各溶剂西黄丸的总离子流图及化学组成;(2)西黄丸各化学组分对MCF-7细胞的增殖影响:以MCF-7细胞为研究对象
随着社会的发展,人们对于车辆的需求不再局限于动力性、经济性、安全性等方面,对乘坐舒适性的需求也愈益增加。而制动刹车作为车辆行驶过程中最频繁的操作,会给乘客带来不舒适体验,甚至会造成晕车呕吐等生理问题。同时,线控制动系统作为制动过程中最重要执行器之一,其对车辆制动舒适性至关重要。本文基于线控制动系统对车辆制动过程的舒适性展开研究,分析制动不同阶段的舒适性影响,研究提升制动舒适性控制方法,进行制动舒适
心脏瓣膜生物力学是一个快速发展的、高度临床相关的研究领域。研究表明大多数瓣膜病变是由于瓣膜生物力学改变导致的,因此了解心脏瓣膜与其局部力学环境之间的相互作用对于了解正常瓣膜功能和阐明瓣膜疾病进展至关重要。然而研究这些病变的技术在很大程度上受到了限制,其中缺乏良好的瓣膜力学相互作用模型是限制该领域研究深入开展的主要瓶颈之一。随着数值计算模型、体外模型和动物模型建模技术的飞速发展,心脏瓣膜相关的生物力
橡胶隔振器是汽车重要的隔振元件,在设计电动汽车橡胶隔振器时,应尽可能减小在重要工况下隔振器刚度的动静比,以提高隔振器的隔振率。不同预载下橡胶隔振器的高频动刚度计算能有效缩短橡胶隔振器的设计周期,具有重要的研究意义。本文对不同预载下橡胶隔振器高频动刚度的计算方法进行了研究。论文的主要内容包括:(1)制作了符合标准的橡胶试片及工装,分析了橡胶试片动态特性试验的影响因素,进行了不同预应变下橡胶试片的动态
工程领域内进行工程产品设计时通常会受到多种约束,使得工程设计优化问题成为一个复杂的黑箱约束优化问题。由于需要使用多个代理模型并且约束条件的存在缩小了设计空间,利用代理模型技术求解此类问题并非易事。在求解此类问题时,如何为每个黑箱函数选择合适的代理模型是工程设计人员经常面对的一个问题。为了能为每个黑箱函数选择合适的代理模型并有效求解复杂昂贵黑箱约束优化问题,本文提出一种基于多代理模型的约束优化算法,
发动机冷却风扇作为冷却系统最重要的部件,直接影响着整车的运行状态,因此对冷却风扇结构和性能的优化一直以来都是汽车行业研究的重点之一。衡量发动机冷却风扇的工作性能的依据主要为气动力学性能和噪声。风扇运行过程中,其叶尖部位的气流流动与风扇做功能力以及功耗密切相关,同时,该部位引起的湍流也是产生噪声的重要因素之一。现有研究表明,在风扇叶片前后缘部位采用锯齿等仿生学结构设计可有效提升气动力学性能同时有益于
随着空气污染和能源短缺等问题的出现,发展电动汽车被视为解决环境与能源问题的重要途径。电驱动系统作为电动汽车的核心组件,与之相关的设计开发成为了领域内的研究热点之一。相较于单挡位传动系统的设计,具有多挡位变速箱的电动汽车在整车动力性与经济性方面均体现出了较大优势,因此,面向电驱动总成开发设计一套自动换挡系统具有十分重要的意义。本文面向一款两挡集成式电驱动系统进行研究,根据性能要求对其自动换挡系统进行
发展电动汽车是实现“双碳”目标的有效途径,但电动汽车的安全性和续航里程尚无法满足大规模增长的发展需求,仍然制约着其发展。锂离子电池作为电动汽车的动力来源,面对电池内部复杂的电化学反应以及多变的车辆应用场景,精准地估计电池的各项状态(State of x,SOX),包括荷电状态(State of Charge,SOC)、能量状态(State of Energy,SOE)与健康状态(State of
机械设备工作环境复杂恶劣,对其开展故障诊断势在必行。随着工业大数据时代到来,如何从海量机械设备数据中挖掘潜在的故障信息,实现机械设备复杂运行环境下的高效高精度智能故障诊断是目前的研究难点与热点问题。基于传统机器学习与深度神经网络(Deep Neural Network,DNN)的诊断方法得到了广泛的研究,然而上述方法存在以下局限性:a)传统机器学习需要专业知识手工筛选特征,效率较低,而训练深度神经