公开(公告)号：CN115127192B

公开(公告)日：2024-01-23

申请号：CN202210555503.X

申请日：2022-05-20

Applicant: 中南大学

Inventor： 陈志文 ,  邓撬 ,  赵正润 ,  唐鹏 ,  李信洪 ,  阳春华 ,  桂卫华

IPC: F24F11/38 ,  F24F11/64 ,  F24F11/70 ,  F24F11/88 ,  G06F18/214 ,  G06F18/2413 ,  G06F18/15 ,  G06F18/2433 ,  G06N3/042 ,  G06N3/084 ,  G06N3/006 ,  G06F18/231

Abstract: 本发明公开了基于图神经网络的半监督的冷水机组故障诊断方法及系统，通过构建半监督的冷水主机故障诊断模型，获取包含带有标签的样本和未标记的样本构建运行数据集，确定运行数据集中各个样本的邻居样本，并构建各个样本与邻居样本之间的邻接矩阵，使用运行数据集及其邻接矩阵训练故障诊断模型，从而实现以较少带标记的样本训练得到高精度的故障诊断模型，显著减少冷水机组故障诊断模型对带标记的训练样本的依赖性，提高故障诊断模型在仅有少量带标记的训练样本下的诊断性能。此外，本发明在训练得到故障诊断模型后，采用蚁群优化算法优化故障诊断模型的邻居数量这一超参数，能进(56)对比文件CN 112651167 A,2021.04.13CN 113324754 A,2021.08.31CN 113432247 A,2021.09.24CN 113537272 A,2021.10.22CN 113790516 A,2021.12.14CN 114387477 A,2022.04.22KR 20190117969 A,2019.10.17US 2008195564 A1,2008.08.14US 2021125072 A1,2021.04.29WO 2021073152 A1,2021.04.22贺湘宇;何清华;邹湘伏;谢习华;黄志雄.基于RBF网络和ARX模型的液压系统故障诊断方法.系统仿真学报.2009,(第01期),贺湘宇;何清华;邹湘伏;谢习华;黄志雄.基于RBF网络和ARX模型的液压系统故障诊断方法.系统仿真学报.2009,(第01期),33-39.

公开(公告)号：CN115438844A

公开(公告)日：2022-12-06

申请号：CN202211011079.9

申请日：2022-08-22

Applicant: 中南大学

Inventor： 陈志文 ,  赵正润 ,  唐鹏 ,  邓撬 ,  蒋朝辉 ,  桂卫华 ,  李信洪

IPC: G06Q10/04 ,  G06Q50/08 ,  G06F16/901 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及冷量智能预测技术领域，公开了一种冷源系统冷量智能预测方法、系统及存储介质，该方法构建以特征变量为节点，以特征变量间关联关系为边的图结构，能通过经验信息和数据信息对特征做初步划分，利用特征变量之间的关联关系提升数据的利用率，对冷量进行实时、精确地预测。

公开(公告)号：CN116522992A

公开(公告)日：2023-08-01

申请号：CN202310096498.5

申请日：2023-01-31

Applicant: 中南大学

Inventor： 陈志文 ,  邓撬 ,  赵正润 ,  唐鹏 ,  蒋朝辉 ,  李信洪 ,  阳春华 ,  桂卫华

IPC: G06N3/0455 ,  F24F11/88 ,  G06N3/084

Abstract: 本发明涉及智能监测技术领域，公开一种中央空调系统健康监测方法、系统及存储介质，以解决现有的中央空调系统健康监测方法适应工况变化能力差的问题。方法包括：获取中央空调系统在各种工况下的正常数据，并在去掉出相关性超出设定条件的冗余特征变量后，得出各样本所共同保留的特征变量，根据筛选出的特征变量得到处理后的数据集。计算数据集中各样本之间的连接关系，并构造用于变分图自编码器学习的稀疏邻接矩阵。基于稀疏邻接矩阵和数据集构造变分图自编码器模型得到历史数据在图空间重构的表示关系。选择当前查询样本在图空间中的邻居样本训练典型相关性分析模型，然后以相关性分析模型确定当前查询样本所对应的监测结果。

公开(公告)号：CN115127192A

公开(公告)日：2022-09-30

申请号：CN202210555503.X

申请日：2022-05-20

Applicant: 中南大学

Inventor： 陈志文 ,  邓撬 ,  赵正润 ,  唐鹏 ,  李信洪 ,  阳春华 ,  桂卫华

IPC: F24F11/38 ,  F24F11/64 ,  F24F11/70 ,  F24F11/88 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于图神经网络的半监督的冷水机组故障诊断方法及系统，通过构建半监督的冷水主机故障诊断模型，获取包含带有标签的样本和未标记的样本构建运行数据集，确定运行数据集中各个样本的邻居样本，并构建各个样本与邻居样本之间的邻接矩阵，使用运行数据集及其邻接矩阵训练故障诊断模型，从而实现以较少带标记的样本训练得到高精度的故障诊断模型，显著减少冷水机组故障诊断模型对带标记的训练样本的依赖性，提高故障诊断模型在仅有少量带标记的训练样本下的诊断性能。此外，本发明在训练得到故障诊断模型后，采用蚁群优化算法优化故障诊断模型的邻居数量这一超参数，能进一步提高故障诊断模型的精度。