机构名称：
¥ 6.0
热泵是复杂的系统，容易受到各种故障的影响。通过纳入当代物联网技术，这些设备不断传输数据，从而可以监视，维护和效率。这项研究着重于通过监督的机器学习算法（例如XGBoost，Random Forest，SVM和K-NN）识别出短持续时间循环为故障。使用来自热泵系统的大量记录数据进行了数据预处理和标记，从而解决了高维度，数据稀疏性和时间依赖性等问题。方法包括特征工程，丢失数据的插值以及压缩机短持续时间循环的缩写。进行了监督的机器学习模型，以对这些短持续时间周期进行分类。在模型中，XGBoost达到了最高的精度和F1得分，有效地区分了正常条件和断层条件。这些发现突出了机器学习的潜力，以增强热泵中的预测性维护和操作效率。
使用...
主要关键词
相关文件推荐
