【摘要】：變風(fēng)量空調(diào)系統(tǒng)結(jié)構(gòu)和控制的復(fù)雜性導(dǎo)致其故障發(fā)生的頻率較高，而空調(diào)系統(tǒng)的故障會(huì)引起能耗損失、室內(nèi)空氣品質(zhì)和舒適性下降。隨著變風(fēng)量空調(diào)系統(tǒng)的應(yīng)用越來越廣泛，其故障檢測與診斷的研究也越來越重要。目前，國內(nèi)外研究人員在空調(diào)系統(tǒng)的故障診斷研究中取得了眾多的成果，應(yīng)用的故障診斷方法大致分為基于模型的方法、基于信號(hào)處理的方法和基于知識(shí)的方法。但沒有任何哪一種方法能夠同時(shí)實(shí)現(xiàn)對(duì)所有故障的檢測與診斷，往往將多種方法相互結(jié)合，可以更好地實(shí)現(xiàn)故障診斷。本文以變風(fēng)量空調(diào)系統(tǒng)風(fēng)側(cè)系統(tǒng)為研究對(duì)象，，利用灰箱模型、聚類方法、神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行故障檢測與診斷研究。 首先，空調(diào)系統(tǒng)的過程參數(shù)與狀態(tài)參數(shù)受工況條件的影響而變化，因此在應(yīng)用基于模型的故障診斷方法時(shí)，必須保證預(yù)測模型與實(shí)際系統(tǒng)之間比較是在相同或相近工況下進(jìn)行，否則，其故障診斷結(jié)果是無效，甚至錯(cuò)誤的。本文提出利用FCM聚類的方法，從大量歷史正常運(yùn)行數(shù)據(jù)中選取與當(dāng)前工況最接近的正常數(shù)據(jù)，即基準(zhǔn)無故障數(shù)據(jù)，作為模型訓(xùn)練的樣本數(shù)據(jù)，從而有針對(duì)性地提高模型精度，消除工況條件變化對(duì)故障診斷結(jié)果的影響。 其次，從能量平衡的角度建立了空調(diào)箱灰箱模型，利用基準(zhǔn)無故障數(shù)據(jù)訓(xùn)練灰箱模型，獲得模型預(yù)測值，通過模型預(yù)測值與系統(tǒng)實(shí)測值之間的殘差特征檢測系統(tǒng)故障。既解決了變風(fēng)量空調(diào)系統(tǒng)高度非線性和復(fù)雜性帶來的建模困難，又能體現(xiàn)該系統(tǒng)的物理特性。此外，還針對(duì)故障檢測閾值的時(shí)效性與準(zhǔn)確性進(jìn)行了研究，從統(tǒng)計(jì)學(xué)的角度出發(fā)設(shè)定閾值，使閾值能夠適用不同的工況條件和故障類型。 然后，為了尋找故障源，將減法聚類方法與故障分類器相結(jié)合。利用減法聚類的自適應(yīng)聚類特性，判斷當(dāng)前故障是否為故障庫中已訓(xùn)練的故障類型。然后針對(duì)送風(fēng)溫度控制回路的幾種常見故障進(jìn)行了故障特性分析，基于這些故障特性建立相應(yīng)的故障分類器，判斷故障類型。 最后，在送風(fēng)溫度控制回路各個(gè)變量關(guān)聯(lián)性分析的基礎(chǔ)上，建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型，預(yù)測傳感器的故障偏差，以實(shí)現(xiàn)故障容錯(cuò)。
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TB657.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 張慧哲;王堅(jiān);;基于初始聚類中心選取的改進(jìn)FCM聚類算法[J];計(jì)算機(jī)科學(xué);2009年06期

2 楊云雨;杜志敏;晉欣橋;;基于小波神經(jīng)網(wǎng)絡(luò)方法的空調(diào)系統(tǒng)傳感器漂移故障診斷[J];能源技術(shù);2008年01期

3 江億,朱偉峰;暖通空調(diào)系統(tǒng)傳感器的故障檢測[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年12期

4 晉欣橋,杜志敏,肖曉坤,惠廣海,李曉鋒;冷水機(jī)組系統(tǒng)的溫度傳感器故障診斷[J];上海交通大學(xué)學(xué)報(bào);2004年06期

相關(guān)博士學(xué)位論文 前1條

1 王海濤;變風(fēng)量空調(diào)系統(tǒng)在線故障檢測與診斷方法及應(yīng)用研究[D];湖南大學(xué);2012年

本文編號(hào)：2548599