Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: LTSM-RNN

Sortuj według:

Ogranicz wyniki do:

Fault detection and diagnosis of air-conditioning system using long short-term memory recurrent neural network

Sulaiman Noor Asyikin, Menanti Nur Amalina Sabal, Yusop Azdiana Md, Zainudin Muhammad Noorazlan Shah, Yatim Norhidayah Mohamad, Razak Norazlina Abd, Abdullah Md Pauzi

Przegląd Elektrotechniczny

2023

R. 99, nr 9

113--117

In this project, a fault detection and diagnosis (FDD) system was developed using Long Short-Term Memory Recurrent Neural Network (LSTM RNN), to detect and classify six common faults in a centralised chilled water air conditioning system. Datasets from a lab-scale centralised chilled water air conditioning system were used in the developed model. Results showed that the classifier model demonstrated a classification accuracy of over 99.3% for all six classes.

W ramach tego projektu opracowano system wykrywania i diagnozowania usterek (FDD) z wykorzystaniem powtarzającej się sieci neuronowej długookresowej pamięci (LSTM RNN) w celu wykrycia i sklasyfikowania sześciu powszechnych usterek w scentralizowanym systemie klimatyzacji wody lodowej. W opracowanym modelu wykorzystano zestawy danych ze scentralizowanego systemu klimatyzacji wody lodowej w skali laboratoryjnej. Wyniki pokazały, że model klasyfikatora wykazał dokładność klasyfikacji na poziomie ponad 99,3% dla wszystkich sześciu klas.