[发明专利]一种集成多种智能算法的制冷系统故障诊断方法

权利要求书

1.一种集成多种智能算法的制冷系统故障诊断方法，其特征在于，包括以下步骤：

步骤1，通过模拟冷水机组故障实验，采集得到多个实验数据，所述实验数据经过处理后随机选择组成样本训练集数据及测试样本集数据；

步骤2，选取多个不同的成员诊断器，分别得到多个不同的成员诊断器的诊断模型，多个诊断模型包括：K近邻诊断器、支持向量机诊断器、决策树诊断器、随机森林诊断器及逻辑斯蒂回归诊断器；

步骤3，对S2中多个不同的所述诊断模型进行集成，形成集成诊断器模型；

所述集成诊断器模型的表达式为：

其中，m为模型的个数，i为模型的编号，C_j对应第j个模型，w_j是Cj对应的权重，为集成诊断器的预测类标，x_A为特征函数[Cj(x)＝i∈A]，A为类标的集合。

步骤4，使用所述样本训练集数据对所述集成诊断器模型进行训练，得到训练好的所述集成诊断器模型；

步骤5，使用所述测试样本集在训练好的所述集成诊断器模型对冷水机组进行故障诊断，得到故障诊断结果；

步骤6，对所述成员诊断器与所述集成诊断器的故障诊断结果进行对比。

2.根据权利要求1所述的集成多种智能算法的制冷系统故障诊断方法，其特征在于：

其中，步骤1中，数据采集可分为广泛覆盖的正常工况数据采集与相应的故障模拟数据的采集。

3.根据权利要求1所述的集成多种智能算法的制冷系统故障诊断方法，其特征在于：

其中，对所述实验数据进行计算后得到虚拟传感器数据。

4.根据权利要求1所述的集成多种智能算法的制冷系统故障诊断方法，其特征在于：

其中，如果所述成员诊断器的预测权重均等，所述集成诊断器模型的表达式为：

Cm(x)为第m个模型对样本x的预测类标，为集成诊断器的预测类标。

5.根据权利要求1所述的集成多种智能算法的制冷系统故障诊断方法，其特征在于：

其中，所述K近邻诊断器模型的表达式为：

x_i、y_i分别为两类样本点在多维空间中的坐标，n为样本特征个数，i为样本特征序号，p＝1时d为曼哈顿距离(即绝对值距离)，p＝2时d为欧式距离(即直线距离)。

6.根据权利要求1所述的集成多种智能算法的制冷系统故障诊断方法，其特征在于：

其中，决策树诊断器模型的表达式为：

D为全部样本集，A为某特征样本集，D₁、D₂分别为对集合D进行二元切分后得到的两个子集合。

7.根据权利要求1所述的集成多种智能算法的制冷系统故障诊断方法，其特征在于：

其中，所述逻辑斯蒂回归诊断器模型的表达式为：

P(y|x；θ)＝(hθ(x))^y(1-hθ(x))^1-y

P为样本属于某类的概率，h_θ(x)为预测函数，y为数据类别。