基于长短期记忆神经网络的数据中心空调系统传感器故障诊断

王路瑶; 吴斌; 杜志敏; 晋欣桥

doi:10.11949/j.issn.0438-1157.20181084

您当前的位置：

首页 >

文章列表页 >

基于长短期记忆神经网络的数据中心空调系统传感器故障诊断

过程系统工程 | 更新时间：2025-12-10

- 基于长短期记忆神经网络的数据中心空调系统传感器故障诊断
- Sensor fault detection and diagnosis for data center air conditioning system based on LSTM neural network
- 化工学报 2018年第S2期页码：252-259
- 作者机构：
  
  上海交通大学制冷与低温工程研究所,上海,200240
- 作者简介：
- 基金信息：
- DOI：10.11949/j.issn.0438-1157.20181084
  中图分类号： U831.3
- 网络首发：2018-12-31，
  
  纸质出版：2018-12-31
- 稿件说明：
移动端阅览
王路瑶, 吴斌, 杜志敏, 等. 基于长短期记忆神经网络的数据中心空调系统传感器故障诊断[J]. 化工学报, 2018,(S2):252-259.

WANG Luyao, WU Bin, DU Zhimin, et al. Sensor fault detection and diagnosis for data center air conditioning system based on LSTM neural network[J]. CIESC Journal, 2018, (S2): 252-259.
王路瑶, 吴斌, 杜志敏, 等. 基于长短期记忆神经网络的数据中心空调系统传感器故障诊断[J]. 化工学报, 2018,(S2):252-259. DOI： 10.11949/j.issn.0438-1157.20181084.

WANG Luyao, WU Bin, DU Zhimin, et al. Sensor fault detection and diagnosis for data center air conditioning system based on LSTM neural network[J]. CIESC Journal, 2018, (S2): 252-259. DOI： 10.11949/j.issn.0438-1157.20181084.

摘要

数据中心空调系统的故障直接影响其能耗及运行可靠性。结合深度学习技术，利用长短时间记忆神经网络提出了一种空调系统传感器故障检测与诊断的方法。经实验验证，该方法可通过对液管温度传感器、排气温度传感器分别建立故障诊断模型，成功检测出传感器固定偏差故障和漂移偏差故障。对于无故障数据，该方法的检测正确率在90%左右；对于偏差程度大于该方法的最小检测偏差的传感器故障数据，其检测正确率在94%以上。

Abstract

The faults of data center air-conditioning system directly results in increasing energy consumption and reducing operation reliability. Combined with deep learning technology

a fault detection and diagnosis method of sensors for air conditioning system is proposed by using LSTM (long short term memory) neural network. Verified by the experiment

the method can identify the fixed biases and drifting biases of both liquid line temperature sensor and discharge temperature sensor through building the fault detection and diagnosis models for them respectively. For the fault-free condition

the detection accuracy of this method is about 90%. For the sensor fault whose deviation degree is greater than the minimum detection deviation of the method

the detection accuracy is above 94%.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于机器学习的改型歧管式微通道热沉流动传热特性多目标优化

塔式太阳能辅助超临界压缩CO2储能系统热力学性能

基于递归特性和CNN的上升管内气液两相流型识别研究

融合物理信息的发酵过程时空图卷积网络模型

烟气脱硫过程含硫量自适应预测与异常状态溯源方法