基于决策树算法的制冷剂泄露故障诊断

周文言; 陈翰功; 周占伟

doi:10.13992/j.cnki.tetas.2025.05.008

Chinese

您当前的位置：

首页 >

文章列表页 >

基于决策树算法的制冷剂泄露故障诊断

经验与交流 | 更新时间：2026-04-20

- 基于决策树算法的制冷剂泄露故障诊断
- 基于决策树算法的制冷剂泄露故障诊断
- 电信工程技术与标准化 2025年第5期页码：77-82
- 作者机构：
  
  中国移动通信集团北京有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.05.008
  中图分类号： TU831;TP181
- 纸质出版：2025
- 稿件说明：
移动端阅览
周文言, 陈翰功, 周占伟. 基于决策树算法的制冷剂泄露故障诊断[J]. 电信工程技术与标准化, 2025,(5):77-82.

周文言, 陈翰功, 周占伟. 基于决策树算法的制冷剂泄露故障诊断[J]. 2025, (5): 77-82.
周文言, 陈翰功, 周占伟. 基于决策树算法的制冷剂泄露故障诊断[J]. 电信工程技术与标准化, 2025,(5):77-82. DOI： 10.13992/j.cnki.tetas.2025.05.008.

周文言, 陈翰功, 周占伟. 基于决策树算法的制冷剂泄露故障诊断[J]. 2025, (5): 77-82. DOI： 10.13992/j.cnki.tetas.2025.05.008.

摘要

制冷剂泄露是热管背板空调系统一种常见的冷却系统故障，一旦制冷系统出现泄露，会导致冷却失效，严重影响设备运行安全。因此，本文提出了一种适用于检测热管背板制冷剂泄漏故障的决策树模型。首先，通过数据预处理形成有效数据样本集；然后，通过对制冷剂持续泄露过程中热力参数的特征进行统计分析，探索空调系统制冷剂泄漏发生发展的基本规律选取变量；最后，采用CART算法建立决策树预测模型，提取出决策规则集。结果表明，该决策树模型具有较高的泛化能力，能很好地用于热管背板制冷剂泄漏的实时故障诊断，且诊断正确率较高。

Abstract

关键词

Keywords

references

周志华.机器学习[M].清华大学出版社,2016.

陈晓朋,许可欣,梁宇栋.人工智能促进数据中心绿色节能研究[J].信息通信技术与政策,2024(02).

庄萌榕,王福林,张文喆.数据驱动的空调系统故障诊断算法综述[J].绿色建造与智能建筑,2024(01).

吴孔瑞,韩华,任正雄,高雨,江松轩,杨钰婷.基于XGBoost-RF的制冷剂泄漏故障检测与诊断[J].暖通空调,2023(01).

程新路,历秀明,韩宗伟,孙晓晴,张策,董家祥.制冷剂泄漏故障及其辨识参数的模拟研究[J].低温与超导,2022(09).

肖坤,李绍斌,谭泽汉,王江宇,陈焕新,李冠男.基于决策树算法的多联机制冷剂泄漏在线故障诊断[J].制冷技术,2018(06).

官雨洁,王伟,刘寿东.基于CART算法的夏季高温预测模型构建与应用[J].气象科学,2018(04).

王江宇,陈焕新,李冠男,刘江岩,胡云鹏,郭梦茹,胡文举.基于CART算法的多联机压缩机回液故障检测[J].制冷与空调,2017(04).

孙永才,黄浩亮,张学伟,李敏华,欧阳惕,王鹏,李秀余.机柜服务器热管背板换热性能的试验研究[J].制冷与空调,2014(06).

钱长华,于林.空调系统中制冷剂泄漏浅析[J].暖通空调,2008(03).

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

基于多源数据融合与可解释随机森林的网络质差归因分析

一种融合业务经验与机器学习算法预测用户行为的方法