公开(公告)号：CN118468204B

公开(公告)日：2024-11-01

申请号：CN202410931991.9

申请日：2024-07-12

Applicant: 杭州电子科技大学

Inventor： 丁强 ,  曾启星 ,  石崇 ,  刘爽 ,  陈德传

IPC: G06F18/2433 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/21

Abstract: 本发明公开了一种基于改进深度学习模型的制冷机组故障检测方法；该方法采用LOF算法剔除故障数据集中离群值，而后采用ADASYN技术来解决数据不平衡问题。同时，本发明针对现有制冷机组故障诊断深度学习模型容易出现网络退化，且制冷机组故障诊断模型普遍缺乏对关键特征的权重加权的问题；首先以ResNet为基础，缓解深度神经网络训练过程中易出现的网络性能退化问题；然后融入CBAM用于捕捉故障数据中的关键特征，提高网络的特征提取能力。实验结果表明，本发明提供的LOF‑ADASYN‑ResNet‑CBAM方法实现了制冷机组故障的有效诊断。

公开(公告)号：CN118468204A

公开(公告)日：2024-08-09

申请号：CN202410931991.9

申请日：2024-07-12

Applicant: 杭州电子科技大学

Inventor： 丁强 ,  曾启星 ,  石崇 ,  刘爽 ,  陈德传

IPC: G06F18/2433 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/21

Abstract: 本发明公开了一种基于改进深度学习模型的制冷机组故障检测方法；该方法采用LOF算法剔除故障数据集中离群值，而后采用ADASYN技术来解决数据不平衡问题。同时，本发明针对现有制冷机组故障诊断深度学习模型容易出现网络退化，且制冷机组故障诊断模型普遍缺乏对关键特征的权重加权的问题；首先以ResNet为基础，缓解深度神经网络训练过程中易出现的网络性能退化问题；然后融入CBAM用于捕捉故障数据中的关键特征，提高网络的特征提取能力。实验结果表明，本发明提供的LOF‑ADASYN‑ResNet‑CBAM方法实现了制冷机组故障的有效诊断。