基于RFECV-随机森林特征选择的地铁空调制冷剂充注量故障诊断

• 全文链接
• 请求原文

作   者：

张丽;  鲍超;  王钊;  陈焕新;  程亨达;  张鉴心;  陈璐瑶; 

作者机构：

华中科技大学能源与动力工程学院;  广州地铁集团有限公司;  广州鼎汉轨道交通车辆装备有限公司; 

关键词：

地铁车辆;  随机森林特征重要性度量;  制冷剂充注量;  故障诊断;  空调;  RFECV算法; 

期刊名称：

铁道车辆

i s s n：

年卷期：

2022 年 006 期

页   码：

115-121

摘   要：

地铁车辆车厢空调能耗占整车能耗的25%～40%,若长期处于故障运行状态会造成大量的能源浪费，且影响乘客的乘车体验甚至危害乘客身体健康。地铁车辆空调故障中，制冷剂充注量故障发生频繁却难以察觉，短期内不会引发故障报警，但会使空调长期偏离正常工况。针对地铁空调的制冷剂充注量故障诊断，文章采用基于交叉验证的递归特征消除法进行了特征选择，筛选出含18个特征变量的较优特征子集，然后根据随机森林特征重要性度量选择出重要性得分在0.03以上的8个特征作为最优特征子集，并将该子集分别用于构建基于支持向量机、K-最近邻算法和反向传播神经网络的诊断模型，以验证最优特征子集的故障诊断效果。验证结果显示，该特征选择算法经过两步筛选得到最优特征子集，在2种制冷工况和4种制冷剂充注量水平下，3种故障诊断模型的总准确率分别为99.83%、99.98%、99.96%。