【摘 要】
:
针对暖通空调系统(HVAC)故障样本的不充分从而使基于数据驱动的故障诊断方法在暖通空调系统应用较为困难,本文提出一种基于Modelica语言的暖通空调系统故障方法.首先,采用Modelica语言仿真平台OpenModelica建立暖通空调系统的模型,然后对仿真模型以人工注入故障获取故障样本,最后通过PCA故障诊断算法对故障样本进行故障识别找出故障源.仿真结果表明:该方法可以有效且准确地实现暖通空调系统的故障诊断.
【机 构】
:
贵州大学 电气工程学院,贵阳550025;航天发射场可靠性重点实验室,海口570100
论文部分内容阅读
针对暖通空调系统(HVAC)故障样本的不充分从而使基于数据驱动的故障诊断方法在暖通空调系统应用较为困难,本文提出一种基于Modelica语言的暖通空调系统故障方法.首先,采用Modelica语言仿真平台OpenModelica建立暖通空调系统的模型,然后对仿真模型以人工注入故障获取故障样本,最后通过PCA故障诊断算法对故障样本进行故障识别找出故障源.仿真结果表明:该方法可以有效且准确地实现暖通空调系统的故障诊断.
其他文献
探讨长治市手足口病(HFMD)与气象因素的关联关系.利用Apriori关联规则算法挖掘不同气象因素组合引发手足口病的频繁程度.长治市手足口病的周高发、中等发病率与前一周的平均水汽压、气温具有显著相关性.而周低发病率与前一周的气温(最低、平均)、降水量存在显著相关性.长治市手足口病周发病率与气象因素存在一定的关联性,应根据气象条件进行流行风险评估,及时采取相应的防控措施.
模糊C-均值聚类算法(FCM)是一种经典的聚类算法,主要通过迭代更新隶属度和聚类中心来提高聚类的有效性.FCM算法的性能主要通过类内紧性和类间分离性来评价,但其既依赖于初始聚类中心,也对噪声非常敏感.考虑到每个数据点和每个聚类中心对目标函数的不同重要性,本文提出了一种具有自适应权重的改进FCM聚类算法(Hybrid FCM).主要贡献:将2个具有自适应指数p和q的自适应权向量ψ和φ引入FCM的目标函数,以体现不同数据点和聚类中心的重要性;为提高聚类性能,自适应指数p、q和模糊因子m采用粒子群优化算法(PS
针对哈里斯鹰优化算法收敛精度低、易陷入局部最优的问题,本文提出了融合黄金正弦和随机游走的哈里斯鹰优化算法.首先,该算法在哈里斯鹰的探索阶段融合黄金正弦优化算法,增强算法的全局探索能力;其次,使用一种非线性能量指数递减策略,平衡算法的全局探索和局部开发能力;然后,在哈里斯鹰的开发阶段引入高斯随机游走策略对猎物进行随机游走,提升算法的局部开发能力;最后,在23个测试函数上进行实验,评估改进后的哈里斯鹰优化算法的寻优性能.实验结果表明,所提算法具有更好的寻优速度和寻优精度.
当前教育领域对知识图谱的研究大多停留在对学科间知识图谱的研究上,而这类知识图谱普遍存在节点、关系和属性单一,以及知识点划分颗粒度较粗等问题.然而,在实际教学过程中,学科内的知识图谱对学生的作用更大,比如:当学生对某一知识点掌握程度不够的情况下,可以根据知识图谱找到与当前知识点相似的知识点或者基础知识点进行补充学习;或者对某一知识点已经掌握的情况下,可以根据知识图谱找出下一个要学的知识点等等.因此,本文基于Neo4j图数据库构建了C++课程知识图谱并给出相应的知识点推理.实验结果表明:构造后的课程知识图谱包
为实现对检修中道路和通行车辆的同步管理,本文设计了城市道路检修和通行车辆监测系统.系统由供电模块、飞思卡尔处理器模块、GPRS无线通信模块、车重监测模块、扬尘监测模块和上位机管理端组成.监测点会采集维修路段的车流量、施工现场图像以及通行车辆的车速、整车重量、扬尘浓度等信息,通过GPRS无线通信模块反馈至上位机系统,以协助管理员规范车辆行驶,避免道路受损,从而延长道路使用寿命,提升交通建设水平.
近年来,随着智能化技术的兴起,在线教育作为一种新型教育模式,也在向智能化、创新化、个性化等模式进行转变.考虑到目前已有在线教育平台的资源分布情况,多数的学习资源掌握在学习者手中,本文提出了新的以学习者为中心的智慧教育模式,强调所有资源为“我”服务,让学习者的学习过程不受有限平台资源的约束.本文利用平台已积累的学习者行为数据,为其建立个性化模型,并提供个性化的动态学习路径规划和资源推荐.进一步地,借助网络中的P2P模式的思想,提出了新模式应用场景下可行的具体实现方式、即P2P推荐,最后对整体的平台和系统进行
人工智能产品已经多元化地应用于社会生活中,推动技术发展进步的同时也带来了一定的安全风险,准确地评估人工智能产品发展风险可以为其可持续发展提供良好的参考与借鉴.为此,提出基于聚类分析的人工智能产品发展风险评估方法.首先,以主题词的形式设计人工智能产品目前应用范围的关联图谱,提取人工智能产品发展的关键特征;其次,依据产品发展特征深度提取产品发展中应用的高频主题词,结合发展过程中可能存在的风险因素,对其进行聚类处理,实现人工智能产品发展的风险评估.实验发现,人工智能产品发展确实存在一定的风险,所设计的聚类分析方
基于序列的推荐是推荐系统研究的热点,序列中包含许多重要信息,如物品的点击规律和用户的兴趣,有效利用序列信息是提高推荐准确率的关键.为了有效提取序列信息,提出了ACRec推荐系统模型,利用多头自注意力机制和卷积神经网络从动态和静态两个方面提取序列信息,并利用矩阵分解增强模型中用户与序列的语义关系.在MovieLen-1M和Video_Games两大公开数据集上实验证明,相比于其他基线模型,ACRec提高了推荐的准确率,Hit@10分别提高了1.03%和18.4%,NDCG@10分别提高了2.6%和20.9%
针对玻璃幕墙出现缺陷难以发现并处理的问题,本文设计了集缺陷识别与清洗一体的机器人,通过图像识别获取缺陷种类并完成清洗.针对已有算法分类准确性不足的问题,引入L1-L2范数及判别准则用以提升算法的分类效果,并在所设计的机器人平台上完成实验,最终实验表明优化后的算法在识别划痕方面平均提升为2%,总体识别准确率提升1%.优化后机器人能完成幕墙的日常维护及危险报警工作.
随着大数据时代的到来,数据挖掘、图像处理等已经成为了一个热门研究方向。本文的研究目的是自动识别猫狗类型,采用的是基于数据挖掘的猫狗自动识别技术。本文将位于全方位下拍摄的具有外貌复杂的猫狗图像运用卷积神经网络训练。本实验挑选前沿的深度学习框架pytorch以及计算能力强大的GPU,使用深度神经网络VGG16,分别对猫狗图像进行网络训练与测试。实验显示使用VGG16网络模型进行识别的准确率非常高,在猫