简介：在数据驱动的集中式空调系统故障诊断过程中，特征选择是一个必要的预处理．选取重要的特征作为分类依据，无论是从经济的角度还是对故障的有效判断上，都具有非常重要的意义．现采用不同的特征选择方法对一组冷水机组故障数据进行特征选取，并利用支持向量机完成分类，最后通过对比分析获取冷水机组故障诊断中最重要的特征子集．

简介：电厂制冷系统中的冷却塔主要选择机力通风湿式逆流冷却塔.现场情况是冷却塔轴流风扇下方有一条用于检修的混凝土十字结构横梁,流体绕经这类钝体后在其后方会形成一系列周期性的尾涡,增加风扇入流的不均匀度以及湍流度,加大风扇气动噪声影响.为此,研究工作首先通过改造、设计出与现实电厂冷却塔工作方式相同的实验模型;然后通过对十字梁结构的设计,研究不同十字梁结构对风扇气动噪声的影响,证明导流十字梁结构有助于降低风扇来流湍流度,使其气流更加均匀;最后通过对阻尼网的选择安装,利用其整流作用以有效降低冷却塔气动噪声.此项研究工作为电厂冷却塔降低气动噪声影响提供理论与实验支持.

简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.