Tytuł pozycji:
Fault detection and diagnosis of air-conditioning system using long short-term memory recurrent neural network
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.
Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).
