發(fā)布時間：2018-01-12 09:21

  本文關鍵詞：冷水機組故障檢測與診斷方法研究　出處：《西安建筑科技大學》2017年博士論文　論文類型：學位論文

  更多相關文章： 冷水機組 故障診斷 特征選擇 貝葉斯網(wǎng)絡 灰色理論

【摘要】：建筑能耗是終端能源消耗的重要部分,暖通空調(diào)系統(tǒng)是建筑耗能的主要設備,冷水機組又是暖通空調(diào)系統(tǒng)的主要耗能部件。而冷水機組發(fā)生故障將導致大量的能源浪費,減少設備的使用壽命,并降低室內(nèi)環(huán)境舒適度。將故障檢測與診斷(FDD)技術應用于冷水機組,對保持空調(diào)系統(tǒng)高能效運行,實現(xiàn)空調(diào)系統(tǒng)節(jié)能和維持室內(nèi)環(huán)境舒適度具有重要意義。本文針對促進FDD方法應用到實際冷水機組現(xiàn)場所面臨的三個主要問題開展研究工作,即:1)現(xiàn)場缺乏足夠多的傳感器;2)現(xiàn)場缺乏足夠多的故障數(shù)據(jù);3)可調(diào)的虛警率(FAR)。主要目的是開發(fā)新的適合于現(xiàn)場應用的冷水機組FDD方法,使其具備如下的五點屬性:1)使用現(xiàn)場普遍存在的特征和補充少量獲取成本低的特征表征故障;2)具有優(yōu)良的FDD性能;3)具有識別新故障和更新故障庫的能力;4)FAR可調(diào)節(jié);5)具有處理非線性變量、不確定性信息,以及融入多源非傳感器信息的能力。從現(xiàn)場應用的角度,提出了一種特征選擇(FS)的方法,目的是選擇現(xiàn)場普遍存在的特征和補充少量獲取成本低的特征表征冷水機組典型故障,從而節(jié)省傳感器的初投資,同時使基于融入距離拒絕的貝葉斯網(wǎng)絡(DR-BN)的故障診斷(FD)方法獲得優(yōu)良的診斷性能。該FS方法的技術路徑是:首先對安裝在現(xiàn)場冷水機組上的傳感器進行抽樣調(diào)查,以現(xiàn)場傳感器的存在頻率高,對故障敏感程度高和在線計算量小為準則,提名可保留的既有特征;其次使用基于DR-BN的FD方法對提名的可保留的既有特征進行評價,去除這些特征之間的信息冗余后,得到保留的既有特征;然后,若僅使用保留的既有特征不能使匹配的FD方法獲得期望的性能,需要增補額外的特征,即再以獲取成本低和對故障敏感程度高為準則,提名增補特征;最后,再次使用同樣的FD方法在保留的既有特征的基礎上對這些提名的增補特征進行評價,從而確定增補特征及增補順序。提出了一種基于融入距離拒絕和多源非傳感器信息的貝葉斯網(wǎng)絡(DR-MI-BN)的冷水機組FDD方法。通過在貝葉斯網(wǎng)絡(BN)中融入距離拒絕(DR)的機制,冷水機組FDD問題被轉(zhuǎn)化成一類劃分問題,進而實現(xiàn)新故障的識別和故障庫的更新,并且通過改變DR的程度,實現(xiàn)可調(diào)節(jié)的FAR。基于BN開放式的網(wǎng)絡拓撲結(jié)構(gòu),在BN中融入多源非傳感器信息(MI),以提高對已知故障的診斷正確率(CR)和對新故障的識別CR。將灰色理論應用到冷水機組FDD中。提出了一種基于灰色相似關聯(lián)分析(GSRA)的冷水機組FDD方法,以充分利用其對小樣本模式識別良好的分類效果,以及不要求數(shù)據(jù)分布服從指定規(guī)律的優(yōu)點。該方法通過計算多個劣化等級下的參考故障模式的加權(quán)平均值構(gòu)建綜合參考故障模式,并引入關聯(lián)度閾值,作為故障檢測和確定待檢故障模式的嫌疑故障模式的依據(jù)。為了獲得優(yōu)良的FDD性能,該方法引入優(yōu)化算法獲得最優(yōu)的加權(quán)系數(shù)和關聯(lián)度閾值。本文使用ASHRAE RP-1043故障實驗數(shù)據(jù)對提出的FS方法的有效性進行驗證和對表征冷水機組典型故障的特征進行選擇,并對提出的FDD方法的性能進行評價。最后將得到的FDD結(jié)果與其它相似研究所提出方法的FDD結(jié)果進行對比。結(jié)果顯示:1)提出的FS方法可被有效應用到冷水機組故障診斷中;2)提出的基于DR-MI-BN方法的FAR可調(diào)節(jié)。融入MI顯著提高了對已知故障的診斷CR(最高從76.4%提高到100%)和對新故障的識別CR(最高從5%提高到96.7%),且與相似研究提出的方法相比,該方法有著更好的FDD性能;3)提出的基于GSRA方法在樣本量很小的情況下,FAR僅為7.5%,對冷水機組典型故障的診斷CR分別是92.5%-100%,且與傳統(tǒng)技術途徑相比,該方法有著更好的FDD性能。
[Abstract]:This paper presents a new method , which is suitable for field application . It has the following five attributes : 1 ) It has high FDD performance , it can reduce the service life of the equipment and reduce the indoor environment comfort . In order to obtain good FDD performance , the FDD of the cold water unit is converted into a class of partition problems .

【學位授予單位】：西安建筑科技大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TU83

【相似文獻】

相關期刊論文 前10條

1 王思溫;馬宗義;;微機故障檢測設備與檢測方法(四)[J];設備管理與維修;1989年04期

2 王思溫;馬宗義;;微機故障檢測設備及檢測方法(六)[J];設備管理與維修;1989年06期

3 徐力平,趙忠華,張炎華;導航傳感器故障檢測策略[J];上海交通大學學報;2002年07期

4 李新國,陳紅英;基于H_∞估計的魯棒故障檢測[J];中國空間科學技術;2004年06期

5 李志生;張國強;劉建龍;;故障檢測與診斷技術在暖通空調(diào)領域的應用和展望[J];流體機械;2006年06期

6 李姍姍;劉勇;潘成勝;;分布式故障檢測技術在雙獨立互聯(lián)系統(tǒng)中的應用[J];沈陽理工大學學報;2006年03期

7 顏秉勇;田作華;施頌椒;;非線性攝動時滯系統(tǒng)的H_∞/H_-魯棒故障檢測[J];上海交通大學學報;2008年02期

8 沖津泰;森田郁郎;孫材濟;;電動機的自動故障檢測[J];電工技術;1982年01期

9 杜和青;長壽命衛(wèi)星系統(tǒng)故障檢測的一種可變門限設置方法[J];航天控制;1987年02期

10 江涌,夏國洪;故障檢測與分離的廣義一致性算子法[J];宇航學報;1988年01期

相關會議論文 前10條

1 張漢國;;大系統(tǒng)的故障檢測——隨機情形[A];1993中國控制與決策學術年會論文集[C];1993年

2 周東華;;一種工業(yè)異步電機的在線故障檢測與診斷新方法[A];1994年中國控制會議論文集[C];1994年

3 趙琦;周東華;;閉環(huán)系統(tǒng)的小故障檢測與分離方法[A];第十九屆中國控制會議論文集（二）[C];2000年

4 李福明;段廣仁;;一種魯棒故障檢測與分離的參數(shù)化方法[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

5 王洪江;孫保民;田進步;;一種圖形化的故障檢測和診斷方法[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

6 彭濤;桂衛(wèi)華;Ding Steven X;湯瓊;李昊;;一種基于混合H_-/H_∞的故障檢測系統(tǒng)優(yōu)化設計方法[A];第二十七屆中國控制會議論文集[C];2008年

7 魏晨;陳宗基;;非線性系統(tǒng)的魯棒故障檢測與診斷[A];第十九屆中國控制會議論文集（二）[C];2000年

8 韓兵;陳新海;;隨機參數(shù)最小均方濾波及其在飛行器故障檢測中的應用[A];1995中國控制與決策學術年會論文集[C];1995年

9 葛彤;鄧建華;;復雜動態(tài)系統(tǒng)故障檢測與診斷的層次遞進方法[A];1996中國控制與決策學術年會論文集[C];1996年

10 方華京;;控制系統(tǒng)故障檢測的l~1優(yōu)化方法[A];第十九屆中國控制會議論文集（二）[C];2000年

相關重要報紙文章 前7條

1 陳代壽;BFD高速路由故障檢測[N];中國計算機報;2005年

2 涵薏;排除風電系統(tǒng)中的故障[N];上�？萍紙�;2010年

3 上海 徐亞東;ADSL故障檢測利器[N];電腦報;2004年

4 暴青雨　本報特約通訊員 趙彥斌;為了戰(zhàn)時能打贏[N];解放軍報;2011年

5 翟衛(wèi)平;梁來潤;為了航天員的生命安全[N];中國航天報;2003年

6 本報記者 陳曉煊　通訊員 沈甸;故障診斷有新招 搶修復電更高效[N];中國電力報;2014年

7 李繼光;鍘草機常見故障診斷及排除[N];云南科技報;2003年

相關博士學位論文 前10條

1 喬常明;故障檢測與診斷方法研究及其在網(wǎng)絡化系統(tǒng)中的應用[D];黑龍江大學;2015年

2 劉洋;魯棒模型預測控制與基于數(shù)據(jù)重構(gòu)的故障檢測[D];天津大學;2015年

3 何雨辰;數(shù)據(jù)驅(qū)動的過渡過程建模與監(jiān)測[D];浙江大學;2017年

4 沈非凡;基于軌跡分析的工業(yè)過程建模與故障檢測[D];浙江大學;2016年

5 王占偉;冷水機組故障檢測與診斷方法研究[D];西安建筑科技大學;2017年

6 王紅茹;動態(tài)系統(tǒng)的魯棒故障檢測與分離方法研究[D];哈爾濱工業(yè)大學;2006年

7 楊青;集合型故障檢測與診斷技術研究[D];長春理工大學;2013年

8 張登峰;動態(tài)系統(tǒng)的故障檢測與診斷研究[D];南京理工大學;2003年

9 李霄劍;魯棒自適應故障檢測與隔離方法研究[D];東北大學;2011年

10 馬傳峰;基于觀測器的魯棒H_∞故障檢測問題研究[D];山東大學;2007年

相關碩士學位論文 前10條

1 張荷;基于PU學習的軟件故障檢測方法研究[D];西北農(nóng)林科技大學;2015年

2 妥建軍;一種配電網(wǎng)有源相間故障檢測技術的研究[D];山東大學;2015年

3 鄭茜予;基于主元分析的微小故障檢測[D];華北電力大學;2015年

4 翟夢佳;基于數(shù)據(jù)的燃料電池典型非正常工況故障檢測研究[D];哈爾濱工業(yè)大學;2015年

5 陳姣;基于子空間辨識方法的動態(tài)系統(tǒng)的故障檢測與診斷[D];華中科技大學;2015年

6 吳翔;可實現(xiàn)任意可靠度的故障檢測與切換系統(tǒng)模型研究[D];東華理工大學;2015年

7 樓嘉宇;基于機器學習的電弧故障檢測算法研究[D];杭州電子科技大學;2015年

8 洪碩果;SDN網(wǎng)絡的故障檢測和恢復技術研究與實現(xiàn)[D];南京郵電大學;2015年

9 林圣才;基于核可預測元分析算法的故障檢測與診斷[D];上海交通大學;2015年

10 冉永清;基于增量式核非負矩陣分解算法的數(shù)據(jù)流故障檢測與診斷[D];上海交通大學;2015年

，

本文編號：1413639