基于DR-BN的冷水机组故障检测

发布时间：2024-12-01 07:59

　　 在冷水机组现场的故障数据通常难以获得,这是导致基于多分类算法的故障检测方法未被广泛现场应用的主要障碍之一。本文将距离拒绝(DR)机制融入贝叶斯网络(BN)中,将冷水机组故障检测转化为一类划分问题,提出一种基于DR-BN的冷水机组故障检测方法,该方法仅使用正常数据训练模型,从而有效克服上述障碍。本文通过使用ASHRAE RP-1043的故障实验数据对提出方法的性能进行验证,并与传统方法的性能进行了对比,可知基于DR-BN的模型具有更高的故障检测性能,尤其对低劣化等级下的故障,故障检测正确率最高时可高出94%。

【文章页数】：6 页

【部分图文】：

图1 两特征表示的一类划分问题

本文将DR机制融入BN中，构建基于DR-BN的故障检测方法，以实现将故障检测转化成一类划分问题。图2所示为基于DR-BN的故障检测流程。该流程包括DR-BN模型构建和在线故障检测两部分。DR-BN模型构建的主要工作是确定DR-BN的结构和参数。DR-BN结构的确定。通常依据变量间....

图2 基于DR-BN的故障检测流程

在确定DR-BN参数时，需要确定根节点D状态分别为Normal和Fault时连续型子节点X的条件概率分布。当节点D状态为Normal时，可由正常数据通过MLE得到。但由于缺少故障数据，当节点D状态为Fault时，子节点X的条件概率分布则不能由MLE直接得到。引入DR机制的目的就是....

图3 基于DR-BN的结构与参数

图2基于DR-BN的故障检测流程DR机制的具体内容是:假设节点D状态为Fault状态时的X和为Normal状态时有着同样的μ0但更大的∑0[22]，这就是DR的思想。DR本质上是数理统计中假设检验中的小概率拒绝思想。使用DR机制确定的BN参数见图3。图3中系数c表示DR,c>1....

图4 基于DR-BN模型、基于PCA方法和基于SVDD方法的故障检测性能对比

通常，相比于高劣化等级，低劣化等级下，故障数据之间的差异性小，检测起来更加困难。因此，在低劣化等级下，基于DR-BN模型有更好的故障检测性能。例如，对于SL-2下的fwe故障，基于PCA方法的检测CR仅为6%，该方法对该劣化等级下的fwe故障几乎不能有效检测;基于SVDD方法的检....

本文编号：4013798