迁移学习故障诊断

精度94.32%

采用迁移学习策略的跨建筑能源系统故障诊断方法，可在目标系统数据有限时实现高精度诊断，并解释关键诊断依据。

陈良 · 李冠男 · 刘江岩 · Liu, Lamei · Chunzhi, Zhang · 高佳佳 · Xu, Chengliang · Fang, Xi · Zhanpeng, Yao

Journal of Building Engineering 2024

参数信息

诊断准确率

94.32 %

技术优势

精度最高

微调策略在目标系统上取得94.32%的准确率，超越非迁移和浅层方法，表明迁移学习有效提升了跨建筑诊断性能。

能解释诊断依据

采用特征级SHAP和可视化解释方法，揭示了诊断机制，例如目标冷水机组中压缩机排气温度与冷凝器进出口水温共同指示制冷剂泄漏故障。

应用场景

• 智能建筑运维：用迁移学习模型实现跨楼宇的故障精准定位，减少人工排查时间。
• 能源系统监控：模型利用少量目标数据微调后，可实时监测能源系统运行故障。
• 设备预测性维护：通过SHAP解释锁定故障相关变量，为制定预测性维护策略提供依据。