基于多源信息融合的冷水机组故障诊断研究

发布时间：2021-02-26 04:45

　　大型建筑中,冷水机组的运行能耗占整个建筑能耗的绝大部分,对其进行节能研究是构建绿色建筑的重要途径。冷水机组运行状况的恶化及其故障会带来大量的附加能耗、降低室内空气质量甚至会缩短设备的使用寿命。因此对冷水机组的在线监测和故障诊断具有极其重要的意义,随着大数据时代的到来,海量的数据使故障检测与诊断技术得到了迅速的发展,国内外很多专家学者在这方面进行了广泛而深入的研究和探索,并取得了显著成果。随着技术的进步,一些研究者将主元分析、专家规则、神经网络、深度学习、决策树、支持向量机等应用于冷水机组故障检测与诊断领域。利用这些算法进行故障诊断的结果几乎均以布尔值的形式呈现,但由于冷水机组故障情况复杂、传感器测量精度不足等原因所带来的不确定性因素,此时若仍以布尔值呈现故障诊断结果则会产生一定的偏差,因此以概率值呈现故障诊断结果是更可靠且合理的。基于概率论的贝叶斯网络模型,具有很强的不确定信息处理能力。本文首先介绍了冷水机组的系统及其典型故障,并对典型故障进行了热力学分析。然后开始构建贝叶斯网络模型:1)根据专家知识和对故障的热力学分析确定网络结构;2)利用EWMA控制图的控制限将定性规则量化,统计残... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

基于贝叶斯网络的FDD流程图

典型冷水机组换热循环

2.2 冷水机组的典型故障除机械故障外，制冷空调系统的典型故障主要包括传感器故障和热力故障，具体分类如图2-2所示。常见的传感器故障包括精度下降、漂移、固定偏差和失效4种。热力故障是空调系统故障的另一大类，包括系统故障和设备故障。不同空调系统，传感器的故障类型基本为上述4种，但热力故障因系统而异。本文主要研究冷水机组的热力故障，即系统故障和设备故障[27]。图2-2 制冷系统典型故障分类2002年，Comostock与Braun[28]为了确定冷水机组的典型故障对美国5家冷水机组厂商进行调查，调查内容包括故障发生的频率、故障发生的原因和维修故障的成本等，共收集到509份调查问卷结果。据统计

【参考文献】：
期刊论文
[1]基于EWMA控制图的斜拉桥健康诊断研究[J]. 唐朝霞,梁宗保.  公路与汽运. 2014(04)
[2]暖通空调系统节能设计思考[J]. 伍小亭.  暖通空调. 2012(07)
[3]贝叶斯网络在水资源管理中的应用[J]. 卢文喜,罗建男,鲍新华.  吉林大学学报(地球科学版). 2011(01)
[4]基于马尔可夫链的EWMA控制图参数优化及其实现[J]. 白双梅,杜福洲.  制造业自动化. 2010(06)
[5]国内外建筑节能现状及对比[J]. 郑文亨.  制冷与空调(四川). 2008(04)
[6]基于马尔可夫链模型的EWMA控制图性能分析与优化[J]. 何曙光,何桢,齐二石.  系统工程与电子技术. 2008(06)

博士论文
[1]基于数据挖掘的制冷空调系统故障诊断与用能模式识别[D]. 李冠男.华中科技大学 2017
[2]冷水机组故障检测与诊断方法研究[D]. 王占伟.西安建筑科技大学 2017
[3]基于主元分析的冷水机组传感器故障检测效率研究[D]. 胡云鹏.华中科技大学 2013

硕士论文
[1]基于神经网络的离心式冷水机组故障诊断专家系统的研究[D]. 张小兵.南昌大学 2014
[2]基于敏感性的正则RBF神经网络及其在特征选择上的应用[D]. 冯春雨.河北大学 2008
[3]贝叶斯网络学习方法和算法研究[D]. 张剑飞.东北师范大学 2005



本文编号：3052072