利索能及
我要发布
收藏
专利号: 2023101427041
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-06-16
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于随机深度森林的未知故障类型诊断方法,其特征在于:按如下步骤A至步骤C,获得各空调机组故障诊断模型;然后按如下步骤i至步骤ii,实现空调机组对应目标时间的诊断;

步骤A.基于空调机组分别对应正常状态、以及预设各类型故障状态的各样本历史时间点,获得各样本历史时间点下、空调机组上指定各故障特征检测数据组成的特征向量,并基于样本历史时间点下特征向量、结合对应状态构成样本,获得各样本历史时间点分别对应的样本,然后进入步骤B;其中,空调机组对应任意状态下的样本历史时间点的数量均大于预设用于诊断未知故障的深度森林数量M,且M大于1;

步骤B.由全部样本中抽取M个彼此独立、且彼此满足数据平衡的训练集,以及各训练集分别均包含对应正常状态、以及预设各类型故障状态的样本,然后进入步骤C;

步骤C.由M个训练集分别针对预设M个深度森林模型进行训练,获得各训练集分别对应训练后的深度森林模型,即各空调机组故障诊断模型;

其中,深度森林模型包括自输入端至输出端依次相连的多粒度扫描和级联森林,多粒度扫描执行中,首先应用预设不同大小的各采样窗口分别对输入的特征向量进行采样,并结合各采样窗口分别一一对应由随机森林和完全随机森林组成的森林模型,将各采样窗口分别所获采样特征向量输送至对应的森林模型中,森林模型中的随机森林和完全随机森林分别针对所接收采样特征向量进行处理获得结果特征向量,并将两结果特征向量进行拼接获得高纬特征向量,即获得各森林模型分别输出的高纬特征向量,并向级联森林进行输送;

步骤i.采集目标时间下、空调机组上指定各故障特征检测数据组成的特征向量,作为目标特征向量,并进入步骤ii;

步骤ii.基于目标特征向量作为输入,分别应用各空调机组故障诊断模型,获得各空调机组故障诊断模型分别输出的诊断状态,并判断各诊断状态是否一致,是则确认空调机组对应目标时间的状态,实现空调机组对于已知故障类型的诊断;否则确认空调机组对应目标时间出现预设各类型故障状态以外的未知故障状态,以各诊断状态发生位置的交集作为未知故障状态的位置,以各诊断状态发生原因的交集作为未知故障状态的发生原因,实现对于未知故障类型的检测。

2.根据权利要求1所述一种基于随机深度森林的未知故障类型诊断方法,其特征在于:

所述级联森林接收来自多粒度扫描的高纬特征向量,级联森林执行中每一层的输出依次与多粒度扫描中各森林模型的其中一个高纬特征向量进行拼接,形成一个新特征向量,并将其转移到下一层。

3.根据权利要求1所述一种基于随机深度森林的未知故障类型诊断方法,其特征在于:

所述步骤B中,基于全部样本、以及对[0,1]均分的M个数值区间,分别针对空调机组对应的各个状态作为待分析状态,执行如下步骤B1至步骤B8,实现待分析状态下各样本向各数值区间的分配,即获得M个彼此独立、且彼此满足数据平衡的训练集,以及各训练集分别均包含对应正常状态、以及预设各类型故障状态的样本;

步骤B1.随机选择待分析状态下的一个未分配的样本,并定义[0,1]为第一取值范围,进入步骤B2;

步骤B2.在第一取值范围中随机产生一个随机数,与该样本相对应,并进入步骤B3;

步骤B3.基于M个数值区间,判断该样本所对应随机数所属数值区间中对应待分析状态的样本数量是否达到 是则返回步骤B2;否则将该样本分配到该数值区间中,然后进入步骤B4;其中,N表示待分析状态下样本的数量, 表示向下取整;

步骤B4.判断待分析状态下未分配样本的数量是否大于 的结果,是则返

回步骤B1;否则进入步骤B5;

步骤B5.判断待分析状态下未分配样本的数量是否等于0,是则结束关于待分析状态下各样本的分配;否则进入步骤B6;

步骤B6.随机选择待分析状态下的一个未分配的样本,并定义[0,1]为第二取值范围,进入步骤B7;

步骤B7.在第二取值范围中随机产生一个随机数,与该样本相对应,并进入步骤B8;

步骤B8.基于M个数值区间,判断该样本所对应随机数所属数值区间中对应待分析状态的样本数量是否达到 是则返回步骤B7;否则将该样本分配到该数值区间中,然后返回步骤B5;其中, 表示向上取整。

4.根据权利要求3所述一种基于随机深度森林的未知故障类型诊断方法,其特征在于:

所述步骤B3中,基于M个数值区间,判断该样本所对应随机数所属数值区间中对应待分析状态的样本数量达到 时,剔除第一取值范围中的该数值区间,更新第一取值范围,并返回步骤B2;

所述步骤B8中,基于M个数值区间,判断该样本所对应随机数所属数值区间中对应待分析状态的样本数量达到 时,剔除第二取值范围中的该数值区间,更新第二取值范围,并返回步骤B7。

5.根据权利要求1所述一种基于随机深度森林的未知故障类型诊断方法,其特征在于:

所述步骤A中指定各故障特征包括空气流量 送风风扇的压降 送风温度Ta,sup、送风流量 风扇功率Qsf、混风温度Ta,mix、冷却盘管阀门开度θvlv,cc、回风温度Ta,rn、回风流量