局部广义矩阵学习向量量化在多联机系统阀类故障诊断中的应用

多联机(VRF)系统结构复杂,采用传统方法难以识别设备故障,本文首次将特征选取和多目标进化算法优化框架集成于局部广义矩阵学习向量量化(LGMLVQ)故障诊断模型中,并应用于多联机系统的电子膨胀阀和四通阀故障诊断研究.运行数据来自多联机系统实验平台.实验结果表明,特征选择后的模型对多联机阀类故障的诊断准确率从91.40％提升到95.73％,而进化算法进一步将准确率提升至99.50％,耗时从14.109 s缩短为11.724 s.分析最优模型的正常数据自适应相关性矩阵可以对故障发生部位进行模糊定位,可以对实际故障维修提供一定的帮助.