公开(公告)号：CN113095367B

公开(公告)日：2023-04-18

申请号：CN202110280530.6

申请日：2021-03-16

Applicant: 华中科技大学

Inventor： 陈焕新 ,  韩林志 ,  钟寒露 ,  吴俊峰 ,  李正飞 ,  申利梅

IPC: G06F18/214 ,  G06F16/2458

Abstract: 本发明公开了一种基于深度强化学习的压缩机故障诊断方法，属于压缩机故障诊断领域，包括：采集压缩机的实时运行数据，输入至已训练好的特征提取模型以提取特征；特征提取模型用于以无监督的方式提取输入数据的特征，特征用于表征在对应的运行数据下，压缩机处于各故障类型的概率；将实时运行数据的特征输入至已训练好的故障诊断模型以预测故障类型；故障诊断模型为深度强化学习模型，用于以特征为状态，预测在该状态下最大奖励值对应的动作，并将对应的故障类型作为故障诊断结果；深度强化学习模型的一个动作用于预测压缩机在给定状态处于某一种故障状态。本发明能够减少对专家经验和先验知识的依赖，提高压缩机故障诊断结果的精度和稳定性。

公开(公告)号：CN113095367A

公开(公告)日：2021-07-09

申请号：CN202110280530.6

申请日：2021-03-16

Applicant: 华中科技大学

Inventor： 陈焕新 ,  韩林志 ,  钟寒露 ,  吴俊峰 ,  李正飞 ,  申利梅

IPC: G06K9/62 ,  G06F16/2458

Abstract: 本发明公开了一种基于深度强化学习的压缩机故障诊断方法，属于压缩机故障诊断领域，包括：采集压缩机的实时运行数据，输入至已训练好的特征提取模型以提取特征；特征提取模型用于以无监督的方式提取输入数据的特征，特征用于表征在对应的运行数据下，压缩机处于各故障类型的概率；将实时运行数据的特征输入至已训练好的故障诊断模型以预测故障类型；故障诊断模型为深度强化学习模型，用于以特征为状态，预测在该状态下最大奖励值对应的动作，并将对应的故障类型作为故障诊断结果；深度强化学习模型的一个动作用于预测压缩机在给定状态处于某一种故障状态。本发明能够减少对专家经验和先验知识的依赖，提高压缩机故障诊断结果的精度和稳定性。

公开(公告)号：CN113203589A

公开(公告)日：2021-08-03

申请号：CN202110472715.7

申请日：2021-04-29

Applicant: 华中科技大学 ,  珠海格力电器股份有限公司

Inventor： 陈焕新 ,  李正飞 ,  李绍斌 ,  熊建国 ,  程亚豪

IPC: G01M99/00

Abstract: 本发明属于制冷系统数据挖掘领域，具体涉及一种用于多联机空调系统的分布式故障诊断方法及系统，包括：采集多联机空调系统的运行数据；控制已训练好的分布式内置在不同计算GPU中的多个基础诊断模型，分别独立地基于运行数据进行故障诊断得到初始诊断结果；将各初始故障结果与运行数据进行组合，并控制已训练好的内置于另一个计算GPU中的集成诊断模型，基于组合后的数据进行集成故障诊断，得到最终的故障诊断结果。本发明将多个基础诊断模型分布在不同的计算GPU中，实现并行分布式故障诊断，最后通过集成诊断模型进行集成诊断，该方法能解决诊断模型参数寻优效率低下的问题，运算速度高，多个模型能实现多目标、多故障高精度诊断，诊断性能优异。