Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

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.

Data-driven fault detection and diagnosis for centralised chilled water air conditioning system

Sulaiman Noor Asyikin, Chuink Kai Wern, Zainudin Muhammad Noorazlan Shah, Yusop Azdiana Md, Sulaiman Siti Fatimah, Abdullah Md Pauzi

Przegląd Elektrotechniczny

2022

R. 98, nr 1

217--221

The air conditioning system is complex and consumes the most energy in the building. Due to its complexity, it is difficult to identify faults in the system immediately. In this project, fault detection and diagnosis system using decision tree classifier model was developed to detect and diagnose faults in a chilled water air conditioning system. The developed model successfully classified normal condition and five common faults for more than 99% accuracy and precision. A graphical user interface of the system was also developed to ease the users.

System klimatyzacji jest złożony i zużywa najwięcej energii w budynku. Ze względu na swoją złożoność trudno jest od razu zidentyfikować usterki w systemie. W ramach tego projektu opracowano system wykrywania i diagnostyki usterek wykorzystujący model klasyfikatora drzewa decyzyjnego do wykrywania i diagnozowania usterek w systemie klimatyzacji wody lodowej. Opracowany model pomyślnie sklasyfikował stan normalny i pięć typowych usterek, zapewniając ponad 99% dokładności i precyzji. W celu ułatwienia użytkownikom opracowano również graficzny interfejs użytkownika systemu.