基于LSTM-KAN的冷水机组故障诊断特征优化

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：冷水机组的故障检测与诊断（FDD）对调节室内舒适度和管理建筑能耗具有重要意义。然而，原始数据中的特征冗余给故障诊断带来很大困扰，为解决这一问题，提出了一种结合机器学习回归与分类的预测方法。首先，通过长短期记忆网络（LSTM）及其变体精确预测高相关但低重要的特征，从而有效减少特征冗余。其次，利用支持向量机（SVM）对优化后的特征进行故障诊断，评估其效果。（剩余6532字）

试读结束

目录
monitor