基于在线BP神经网络的制冷系统风机故障识别

摘要

本文介绍了一种基于神经网络在线学习的制冷系统风机故障识别方法。选取环境温度、蒸发温度、风机风量、压缩机负荷作为输入,以预测冷凝温度为输出,利用BP(Back Propagation,反向传播)神经网络对一台风冷冷水机组进行在线状态学习,并利用学习到的模型对冷水机组进行风机故障识别。将整个过程分为初始化,成长学习、成熟学习、暂停4个状态,介绍了每个状态的主要任务,及各状态如何过渡衔接。结果表明,该方法可以成功地应用在风冷冷水机组的在线实时控制中,对运行中风机的故障进行识别和报警。