關鍵詞：多聯機系統 制冷劑充注量 故障診斷 神經網絡 

摘要：針對暖通空調系統故障而導致的建筑能耗增長問題,本文提出了一種基于學習向量量化(LearningVector Quantification,LVQ)神經網絡的制冷劑充注量故障診斷模型,故障診斷分為數據預處理、建立初始模型、LVQ 模型的訓練和仿真測試 4 個步驟,并對隱含層節點數進行了參數尋優。實驗共設置 9 種制冷劑充注量水平,經過數據預處理后選取了 12 個特征變量,建立了 LVQ 神經網絡建模。將經過數據預處理后的數據集以 75%∶25%的比例劃分為訓練集和測試集,分別用于研究訓練和測試模型性能。結果表明:在制冷劑充注量 LVQ 模型故障診斷中,制冷劑充注量適中、過量和不足的正確率分別為 52.5%、70.1%和87.5%,總體故障診斷正確率達到 70.0%。

制冷技術雜志要求:

{1}文稿中應包括題目、作者姓名、作者單位、所在城市及郵編、中文摘要、中文關鍵詞、中圖分類號、正文、參考文獻。

{2}本刊來稿恕不退還，請作者自留底稿。來稿文責自負，對因抄襲或涉密等侵犯他人版權或其他權利的，本刊不承擔連帶責任。

{3}正文中標題層次格式:一級標題用“一”，居中;二級標題用“(一)”;三級標題用“1”。盡量不要超過三級標題。

{4}參考文獻是作者在論文中所參考的圖書報刊等資料的引文，文中序號用數字加方括號后附所處頁碼、以上標格式標注，如[1]54。

{5}關鍵詞應標注能反映論文特征內容、通用性較強的、符合主題詞表的術語為關鍵詞，一般3～8個。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社