2014级本科生曾宇柯同学撰写的论文“基于改进贝叶斯神经网络的多联机故障诊断策略”被“第十四届全国电冰箱(柜)、空调器及压缩机学术年会暨第十一届全国低温生物医学及器械学术年会”录用。
(华中科技大学2014级本科生,已于2017年9月取得本校保研资格进入陈焕新老师课题组)
文章摘要
针对传统神经网络模型过拟合等问题,本文提出了一种基于改进贝叶斯神经网络的多联机故障诊断策略,该策略使用LOF(local outlier factor)法剔除原始数据中的异常值,并构建了BR(Bayesian-regularization)神经网络以提高模型的泛化能力。实验通过多联机系统制冷剂充注量故障验证该策略的可行性。结果表明:较BP( back-propagation)神经网络,LOF-BR神经网络模型诊断性能增强,整体检测率提高至97%。充注过量误诊为充注不足的比率显著降低,LOF法能有效剔除多联机系统异常值。
在此对曾宇柯同学表示祝贺,也希望课题组再接再厉,百尺竿头,更进一步,再创佳绩!
作者简介
曾宇柯
2018级研究生
华中科技大学
能源与动力工程学院
制冷与低温工程系
编辑:曾宇柯
审稿:寻惟德
不要错过
领取专属 10元无门槛券
私享最新 技术干货