题目一：基于循环神经网络的冷水机组故障诊断方法

主讲人：刘奕辰（专业：管理科学与工程，导师：范成老师）

摘要：冷水机组故障诊断对提升设备能效有积极影响。在实际应用中，如何有效捕捉设备运行的复杂动态规律，从时间维度准确识别冷水机组的故障特征值得深入研究。本文采用循环神经网络的建模方法，通过对循环单元类型和模型结构进行探索，形成了适用于冷水机组故障诊断的优化建模策略。在循环单元类型层面，本文对比分析了三种常见循环单元的实际效用，包括基础版循环神经单元、长短期记忆单元和门控循环单元。实验结果表明，相较于常规的未考虑时序关联的建模方法，采用双向长短期记忆神经网络的故障诊断性能最好，该方法可比XGBoost、全连接神经网络和SVM分别提升17.3%、23.9%和35.0%的诊断精度。

题目二：基于生成式学习的建筑空调系统故障诊断模型精度提升方法

主讲人：李雪清（专业：建筑与土木工程，导师：范成老师）

摘要：准确有效检测空调冷水机组运行故障有助于提升建筑系统能效表现。现有研究主要假设训练数据中正常数据与故障数据的数量相近，但实践中故障数据的获取极具挑战，用于训练模型的数据集通常具有较高的不均衡性，严重影响数据模型的诊断精度。本研究构建生成式模型产生虚拟故障数据，探索不同数据集均衡度及样本量对故障检测模型的影响规律，量化生成式模型对故障诊断任务的提升效果。结果表明，本研究提出的生成式模型有能力产生有意义的虚拟故障数据，进而提高故障诊断精度约3%。本研究为空调冷水机组故障诊断建模提供了新思路，提升了复杂机器学习模型的实践价值。

时间：2021年11月10日（周三）12:30-13:30

地点：沧海校区致理楼L3-709

主持人：廖龙辉土木与交通工程学院助理教授