基于神经网络的AHU系统故障诊断方法研究

发布时间：2021-10-08 04:18

　　暖通空调（Heating,Ventilation and Air Conditioning,HVAC）是包含温度、湿度、空气清净度以及空气循环的控制系统。作为HVAC系统中的关键环节,空气处理单元（Air Handling Unit,AHU）由多个子系统组成,与这些子系统相关的硬件故障或控制器错误都有可能导致AHU系统异常,从而影响HVAC系统的整体性能。近年来,以人工神经网络为核心的深度学习领域发展迅猛,其中反向传播神经网络（Back Propagation Neural Network,BPNN）因其良好的分类和预测能力而被运用于AHU系统的故障诊断中,然而卷积神经网络等更前沿的人工神经网络却未能在该领域得到充分引入。由于卷积神经网络具有出众的特征提取能力,可以对变量中的异常予以学习和捕捉,且在应对变量测量值中携带的噪声方面具有良好的鲁棒性,因此利用卷积神经网络对AHU系统中的故障进行检测和诊断具有研究价值。本文提出了一种基于一维卷积神经网络（One-Dimensional Convolutional Neural Network,1-D CNN）和小波聚类分析的AHU系统故障诊断... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容及章节安排
第二章 基于1-D CNN的 AHU系统故障诊断方法的基础理论
    2.1 AHU系统基础理论
        2.1.1 典型的AHU系统结构
        2.1.2 送风温度控制环路中常见的传感器故障
    2.2 神经网络基本理论
        2.2.1 人工神经网络的结构
        2.2.2 人工神经网络的训练
        2.2.3 卷积神经网络
    2.3 小波聚类基础理论
    2.4 矩阵论基础理论
        2.4.1 线性空间的基和坐标
        2.4.2 线性子空间
        2.4.3 向量在子空间的投影
    2.5 本章小结
第三章 基于1-D CNN的 AHU系统故障检测与诊断方法
    3.1 故障检测与诊断方法概览
    3.2 初步故障检测
        3.2.1 基于1-D CNN的特征提取
        3.2.2 基于小波聚类的初步故障检测
    3.3 初步故障诊断
        3.3.1 监督量传感器的初步备故障诊断
        3.3.2 被控量传感器的初步备故障诊断
    3.4 候选故障的确认
    3.5 本章小结
第四章 1-D CNN故障诊断方法的实验验证及性能评估
    4.1 实验准备
        4.1.1 数据集准备
        4.1.2 故障检测和诊断的评价指标
    4.2 初步故障检测和诊断的验证
        4.2.1 初步故障检测的验证
        4.2.2 初步故障诊断的验证
    4.3 最佳阈值的选取
    4.4 性能评估
        4.4.1 故障检测效率
        4.4.2 故障诊断效率
        4.4.3 高斯白噪声条件下的鲁棒性测试
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 未来展望
参考文献
致谢
作者简介



本文编号：3423414