基于LSTM-KAN的冷水机组故障诊断特征优化  

作　　者：郭马超 冯荣 侯刚 雷荣功 王治国 

机构地区：[1]陕西理工大学机械工程学院,陕西汉中723001 [2]陕西理工大学电气学院,陕西汉中723001

出　　处：《机电信息》2025年第5期10-16,共7页

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。研究表明,采用结合LSTM与科尔莫格罗夫-阿诺德网络(KAN)的模型(LSTM-KAN)优化特征后,当特征数减少至预设目标特征的60%时,诊断准确率达94.23%,相比未优化前的准确率提高了16.64个百分点;此外,训练次数大幅度减少,进一步提升了模型的训练效率。该方法为冷水机组的故障检测与诊断提供了更加高效和准确的技术支持。

关 键 词：故障检测与诊断 冷水机组 特征优化 长短期记忆 

分 类 号：TK018[动力工程及工程热物理]