冷水机组故障检测与诊断方法研究
本文关键词：冷水机组故障检测与诊断方法研究 出处：《西安建筑科技大学》2017年博士论文 论文类型：学位论文
更多相关文章： 冷水机组 故障诊断 特征选择 贝叶斯网络 灰色理论
【摘要】：建筑能耗是终端能源消耗的重要部分,暖通空调系统是建筑耗能的主要设备,冷水机组又是暖通空调系统的主要耗能部件。而冷水机组发生故障将导致大量的能源浪费,减少设备的使用寿命,并降低室内环境舒适度。将故障检测与诊断(FDD)技术应用于冷水机组,对保持空调系统高能效运行,实现空调系统节能和维持室内环境舒适度具有重要意义。本文针对促进FDD方法应用到实际冷水机组现场所面临的三个主要问题开展研究工作,即:1)现场缺乏足够多的传感器;2)现场缺乏足够多的故障数据;3)可调的虚警率(FAR)。主要目的是开发新的适合于现场应用的冷水机组FDD方法,使其具备如下的五点属性:1)使用现场普遍存在的特征和补充少量获取成本低的特征表征故障;2)具有优良的FDD性能;3)具有识别新故障和更新故障库的能力;4)FAR可调节;5)具有处理非线性变量、不确定性信息,以及融入多源非传感器信息的能力。从现场应用的角度,提出了一种特征选择(FS)的方法,目的是选择现场普遍存在的特征和补充少量获取成本低的特征表征冷水机组典型故障,从而节省传感器的初投资,同时使基于融入距离拒绝的贝叶斯网络(DR-BN)的故障诊断(FD)方法获得优良的诊断性能。该FS方法的技术路径是:首先对安装在现场冷水机组上的传感器进行抽样调查,以现场传感器的存在频率高,对故障敏感程度高和在线计算量小为准则,提名可保留的既有特征;其次使用基于DR-BN的FD方法对提名的可保留的既有特征进行评价,去除这些特征之间的信息冗余后,得到保留的既有特征;然后,若仅使用保留的既有特征不能使匹配的FD方法获得期望的性能,需要增补额外的特征,即再以获取成本低和对故障敏感程度高为准则,提名增补特征;最后,再次使用同样的FD方法在保留的既有特征的基础上对这些提名的增补特征进行评价,从而确定增补特征及增补顺序。提出了一种基于融入距离拒绝和多源非传感器信息的贝叶斯网络(DR-MI-BN)的冷水机组FDD方法。通过在贝叶斯网络(BN)中融入距离拒绝(DR)的机制,冷水机组FDD问题被转化成一类划分问题,进而实现新故障的识别和故障库的更新,并且通过改变DR的程度,实现可调节的FAR。基于BN开放式的网络拓扑结构,在BN中融入多源非传感器信息(MI),以提高对已知故障的诊断正确率(CR)和对新故障的识别CR。将灰色理论应用到冷水机组FDD中。提出了一种基于灰色相似关联分析(GSRA)的冷水机组FDD方法,以充分利用其对小样本模式识别良好的分类效果,以及不要求数据分布服从指定规律的优点。该方法通过计算多个劣化等级下的参考故障模式的加权平均值构建综合参考故障模式,并引入关联度阈值,作为故障检测和确定待检故障模式的嫌疑故障模式的依据。为了获得优良的FDD性能,该方法引入优化算法获得最优的加权系数和关联度阈值。本文使用ASHRAE RP-1043故障实验数据对提出的FS方法的有效性进行验证和对表征冷水机组典型故障的特征进行选择,并对提出的FDD方法的性能进行评价。最后将得到的FDD结果与其它相似研究所提出方法的FDD结果进行对比。结果显示:1)提出的FS方法可被有效应用到冷水机组故障诊断中;2)提出的基于DR-MI-BN方法的FAR可调节。融入MI显著提高了对已知故障的诊断CR(最高从76.4%提高到100%)和对新故障的识别CR(最高从5%提高到96.7%),且与相似研究提出的方法相比,该方法有着更好的FDD性能;3)提出的基于GSRA方法在样本量很小的情况下,FAR仅为7.5%,对冷水机组典型故障的诊断CR分别是92.5%-100%,且与传统技术途径相比,该方法有着更好的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 .
【学位授予单位】：西安建筑科技大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TU83
【相似文献】
相关期刊论文 前10条
1 王思温;马宗义;;微机故障检测设备与检测方法(四)[J];设备管理与维修;1989年04期
2 王思温;马宗义;;微机故障检测设备及检测方法(六)[J];设备管理与维修;1989年06期
3 徐力平,赵忠华,张炎华;导航传感器故障检测策略[J];上海交通大学学报;2002年07期
4 李新国,陈红英;基于H_∞估计的鲁棒故障检测[J];中国空间科学技术;2004年06期
5 李志生;张国强;刘建龙;;故障检测与诊断技术在暖通空调领域的应用和展望[J];流体机械;2006年06期
6 李姗姗;刘勇;潘成胜;;分布式故障检测技术在双独立互联系统中的应用[J];沈阳理工大学学报;2006年03期
7 颜秉勇;田作华;施颂椒;;非线性摄动时滞系统的H_∞/H_-鲁棒故障检测[J];上海交通大学学报;2008年02期
8 冲津泰;森田郁郎;孙材济;;电动机的自动故障检测[J];电工技术;1982年01期
9 杜和青;长寿命卫星系统故障检测的一种可变门限设置方法[J];航天控制;1987年02期
10 江涌,夏国洪;故障检测与分离的广义一致性算子法[J];宇航学报;1988年01期
相关会议论文 前10条
1 张汉国;;大系统的故障检测——随机情形[A];1993中国控制与决策学术年会论文集[C];1993年
2 周东华;;一种工业异步电机的在线故障检测与诊断新方法[A];1994年中国控制会议论文集[C];1994年
3 赵琦;周东华;;闭环系统的小故障检测与分离方法[A];第十九届中国控制会议论文集（二）[C];2000年
4 李福明;段广仁;;一种鲁棒故障检测与分离的参数化方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
5 王洪江;孙保民;田进步;;一种图形化的故障检测和诊断方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年
6 彭涛;桂卫华;Ding Steven X;汤琼;李昊;;一种基于混合H_-/H_∞的故障检测系统优化设计方法[A];第二十七届中国控制会议论文集[C];2008年
7 魏晨;陈宗基;;非线性系统的鲁棒故障检测与诊断[A];第十九届中国控制会议论文集（二）[C];2000年
8 韩兵;陈新海;;随机参数最小均方滤波及其在飞行器故障检测中的应用[A];1995中国控制与决策学术年会论文集[C];1995年
9 葛彤;邓建华;;复杂动态系统故障检测与诊断的层次递进方法[A];1996中国控制与决策学术年会论文集[C];1996年
10 方华京;;控制系统故障检测的l~1优化方法[A];第十九届中国控制会议论文集（二）[C];2000年
相关重要报纸文章 前7条
1 陈代寿;BFD高速路由故障检测[N];中国计算机报;2005年
2 涵薏;排除风电系统中的故障[N];上海科技报;2010年
3 上海 徐亚东;ADSL故障检测利器[N];电脑报;2004年
4 暴青雨 本报特约通讯员 赵彦斌;为了战时能打赢[N];解放军报;2011年
5 翟卫平;梁来润;为了航天员的生命安全[N];中国航天报;2003年
6 本报记者 陈晓煊 通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年
7 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年
相关博士学位论文 前10条
1 乔常明;故障检测与诊断方法研究及其在网络化系统中的应用[D];黑龙江大学;2015年
2 刘洋;鲁棒模型预测控制与基于数据重构的故障检测[D];天津大学;2015年
3 何雨辰;数据驱动的过渡过程建模与监测[D];浙江大学;2017年
4 沈非凡;基于轨迹分析的工业过程建模与故障检测[D];浙江大学;2016年
5 王占伟;冷水机组故障检测与诊断方法研究[D];西安建筑科技大学;2017年
6 王红茹;动态系统的鲁棒故障检测与分离方法研究[D];哈尔滨工业大学;2006年
7 杨青;集合型故障检测与诊断技术研究[D];长春理工大学;2013年
8 张登峰;动态系统的故障检测与诊断研究[D];南京理工大学;2003年
9 李霄剑;鲁棒自适应故障检测与隔离方法研究[D];东北大学;2011年
10 马传峰;基于观测器的鲁棒H_∞故障检测问题研究[D];山东大学;2007年
相关硕士学位论文 前10条
1 张荷;基于PU学习的软件故障检测方法研究[D];西北农林科技大学;2015年
2 妥建军;一种配电网有源相间故障检测技术的研究[D];山东大学;2015年
3 郑茜予;基于主元分析的微小故障检测[D];华北电力大学;2015年
4 翟梦佳;基于数据的燃料电池典型非正常工况故障检测研究[D];哈尔滨工业大学;2015年
5 陈姣;基于子空间辨识方法的动态系统的故障检测与诊断[D];华中科技大学;2015年
6 吴翔;可实现任意可靠度的故障检测与切换系统模型研究[D];东华理工大学;2015年
7 楼嘉宇;基于机器学习的电弧故障检测算法研究[D];杭州电子科技大学;2015年
8 洪硕果;SDN网络的故障检测和恢复技术研究与实现[D];南京邮电大学;2015年
9 林圣才;基于核可预测元分析算法的故障检测与诊断[D];上海交通大学;2015年
10 冉永清;基于增量式核非负矩阵分解算法的数据流故障检测与诊断[D];上海交通大学;2015年
，本文编号：1413639
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/1413639.html
