本文關(guān)鍵詞： 主元分析 故障檢測及診斷 Q統(tǒng)計量 Q貢獻率 傳感器 多聯(lián)式空調(diào)系統(tǒng)　出處：《制冷學報》2017年03期 　論文類型：期刊論文

【摘要】：作為多元數(shù)據(jù)分析方法之一,主元分析(PCA)被廣泛運用于診斷制冷空調(diào)系統(tǒng)的傳感器故障。本文首先結(jié)合熱平衡原理以及多聯(lián)機運行的控制邏輯,篩選系統(tǒng)中常用的18個傳感器變量,建立多聯(lián)機(VRF)傳感器的故障分析(FDD)模型。然后結(jié)合主元分析的算法原理,給出以Q統(tǒng)計量和Q貢獻率為檢驗標準的傳感器故障檢測與診斷流程。利用實測數(shù)據(jù)驗證工作,引入不同類型和程度的傳感器故障,分析得到不同故障條件下的故障檢測和診斷特性。結(jié)果表明:總體上,主元分析應用于多聯(lián)機傳感器故障檢測與診斷過程是可靠的。具體特征表現(xiàn)為:不同類型的傳感器在不同故障類型及程度條件下,故障檢測效果差異明顯;在小偏差故障條件下,基于主元分析的傳感器故障檢測方法的故障檢測效率較低,并且針對個別傳感器而言,其整體故障檢測效率偏低。鑒于故障診斷是基于故障檢測的結(jié)果,因此上述故障檢測方法在FDD過程中將起到重要的作用。
[Abstract]:As one of the multivariate data analysis methods, Principal component Analysis (PCA) is widely used to diagnose sensor faults in refrigeration and air conditioning systems. Firstly, this paper combines the principle of heat balance and the control logic of multi-on-line operation. The FDD model of multiple on-line VRFs is established by selecting 18 sensor variables commonly used in the system. Then the principle of principal component analysis (PCA) algorithm is combined. The flow chart of sensor fault detection and diagnosis based on Q statistics and Q contribution rate is given. Different types and degrees of sensor faults are introduced by the verification of measured data. The characteristics of fault detection and diagnosis under different fault conditions are obtained. The results show that, Principal component analysis (PCA) is reliable in the process of fault detection and diagnosis of multi-on-line sensors. The main features are as follows: different types of sensors have different fault detection effects under different fault types and degrees; Under the condition of small deviation fault, the fault detection efficiency of sensor based on principal component analysis is low, and the overall fault detection efficiency is low for individual sensors. In view of the fault diagnosis is based on the result of fault detection. Therefore, the above fault detection methods will play an important role in the FDD process.
【作者單位】： 華中科技大學制冷與低溫工程系;珠海格力電器有限公司;北京建筑大學供熱供燃氣通風及空調(diào)工程北京市重點實驗室;
【基金】：國家自然科學基金(51576074,51328602)資助項目 供熱供燃氣通風及空調(diào)工程北京市重點實驗室研究基金(NR2013K02)項目資助~~
【分類號】：TB657.2

【參考文獻】

相關(guān)期刊論文 前3條

1 石書彪;陳煥新;李冠男;胡云鵬;黎浩榮;胡文舉;;基于小波去噪和神經(jīng)網(wǎng)絡的冷水機組故障診斷[J];制冷學報;2016年01期

2 黃彬彬;谷波;任能;;基于主元分析的制冷系統(tǒng)漸變故障檢測[J];制冷學報;2009年01期

3 馮雄峰,陽憲惠,徐用懋;多元統(tǒng)計過程控制方法的平方預測誤差分析[J];清華大學學報(自然科學版);1999年07期

相關(guān)碩士學位論文 前1條

1 李晟;基于PCA方法的定風量空調(diào)系統(tǒng)傳感器故障診斷研究[D];天津大學;2007年

【共引文獻】

相關(guān)期刊論文 前10條

1 胡云鵬;劉佳霓;江達林;曾洋;張嘉偉;;冷水機組故障傳感器數(shù)據(jù)重構(gòu)研究[J];制冷與空調(diào);2017年05期

2 張弘韜;陳煥新;李冠男;申利梅;李紹斌;胡文舉;;主元分析用于多聯(lián)式空調(diào)系統(tǒng)傳感器故障檢測和診斷[J];制冷學報;2017年03期

3 劉佳霓;胡云鵬;何帥;汪中才;薛新超;;主元數(shù)量對故障傳感器重構(gòu)精度影響分析[J];建筑熱能通風空調(diào);2017年04期

4 胡云鵬;江達林;汪中才;薛杰文;曾洋;;基于主元分析的冷水機組傳感器故障識別[J];建筑熱能通風空調(diào);2017年02期

5 陳煥新;孫劭波;劉江巖;李冠男;;數(shù)據(jù)挖掘技術(shù)在制冷空調(diào)行業(yè)的應用[J];暖通空調(diào);2016年03期

6 吳莎;劉啟安;吳建雄;靳瑞婷;孫仙玲;劉茜;畢宇安;王振中;蕭偉;;統(tǒng)計過程控制結(jié)合近紅外光譜在梔子中間體純化工藝過程批放行中的應用研究[J];中草藥;2015年14期

7 張靜;冒澤慧;姜斌;陳祥;;基于自適應PCA的高頻電源故障檢測[J];控制工程;2014年01期

8 凌弈秋;陽春華;何明芳;桂衛(wèi)華;;基于紋理單元分布的硫浮選過程病態(tài)工況檢測[J];計算技術(shù)與自動化;2013年01期

9 陳默;馬潔;;基于KPCA-MLR的煙氣輪機非線性故障預測[J];北京信息科技大學學報(自然科學版);2013年01期

10 刁廣州;趙麗萍;要義勇;;動態(tài)可調(diào)主元分析的多元自相關(guān)質(zhì)量控制方法[J];西安交通大學學報;2013年03期

相關(guān)碩士學位論文 前6條

1 劉靜雅;基于極限學習機的航空發(fā)動機傳感器故障診斷研究[D];中國民航大學;2015年

2 曲辰飛;智能建筑暖通空調(diào)系統(tǒng)故障檢測方法研究[D];天津大學;2014年

3 易志鵬;基于神經(jīng)網(wǎng)絡的接地網(wǎng)故障診斷研究[D];湖南大學;2013年

4 劉先鋒;基于指定元分析與PCA-BP神經(jīng)網(wǎng)絡的接地網(wǎng)故障診斷研究[D];湖南大學;2012年

5 周世U，

本文編號：1530621