排序方式: 共有36条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
在对中职计算机实训室进行研究时,首先我们要了解它的一些基本情况.在他的实训室里,一般机房的数量是比较多的,种类也是比较多,在前期投入成本是比较大.但是它的管理人员是比较少,而且任务比较重,这样两者就产生了一个矛盾.在对云桌面的中职计算机实现管理进行探究时,要研究利用云桌面进行工作的原理以及后期应该如何进行管理,只有这样才能更好的对云桌面进行运用. 相似文献
6.
7.
本文将决策树算法应用于多联机气分插反故障诊断中,搭建了多联机实验平台采集数据,根据专家知识及数据变化模型验证选取了建模的特征变量,采用决策树C5.0算法构建气分插反故障诊断模型,进一步对由模型分类规则生成的最优变量即过冷器的EEV(电子膨胀阀)进行深入分析和验证。结果表明:将决策树算法应用于多联机气分插反故障诊断的方法,准确率为96%,有较高的准确性和可靠性,此诊断方法能满足多联机故障诊断实际运用的需要。由于多联机发生气分插反故障时,系统过热度降低,为保证多联机系统的制冷效果和能效比,可通过增大过冷器EXV开度调节。 相似文献
8.
在多联机(VRF)空调系统中,压缩机回液将导致能量损失。本文结合大数据提出了一种基于PCA-Clustering的压缩机回液故障诊断的方法。首先提取出故障相关变量,并通过数据预处理,剔除异常值与空值;然后将处理后的数据进行主成分分析(PCA),获取降维后的新主元变量数据;最后将新的主元变量进行聚类分析(Clustering analysis)得到回液故障数据分类标签。结果表明:该方法能够在数据标签未知的情况下,较好的区分不同类别的压缩机回液故障及正常数据,使压缩机回液故障诊断率达到94.29%。 相似文献
9.
10.
针对多联式空调机组的结构复杂性以及传感器系统的非线性等特点,将小波神经网络用于对多联式空调机组传感器的故障检测与诊断。从实际生产环境中收集多联式空调机组运行数据,构建合适的小波神经网络,并针对常见的4种主要软故障进行诊断与预测,以验证其故障诊断能力,同时比较小波神经网络对于不同故障的敏感性。结果表明,小波神经网络对于多联式空调机组传感器故障检测和诊断具有良好的精度,对于偏差、漂移和失效的检测效果尤为明显。 相似文献