双通道卷积神经网络和光梯度提升机相结合的空气处理机组故障检测与诊断方法

摘要

本发明公开了一种双通道卷积神经网络和光梯度提升机相结合的空气处理机组故障检测与诊断方法，该方法采用双通道卷积神经网络(DCCNN)和光梯度提升机(LGBM)这两种高级分类器相结合的混合模型DCCNN‑LGBM，对空气处理机组(AHU)进行准确的故障检测与诊断。本发明还在卷积神经网络中使用了残差网络，提高了双通道卷积神经网络的特征提取能力，同时提高了模型的整体故障检测与诊断精度，可以有效的应用于实际工程中对空气处理机组进行准确的故障检测与诊断。而且本模型的可移植能力很好，只需对模型的某些参数进行改变，就可以很容易移植到别的领域，如冷水机组故障检测与诊断等领域。