變風量空調(diào)系統(tǒng)的變工況故障檢測與診斷研究.pdf

1、變風量空調(diào)系統(tǒng)結(jié)構(gòu)和控制的復雜性導致其故障發(fā)生的頻率較高，而空調(diào)系統(tǒng)的故障會引起能耗損失、室內(nèi)空氣品質(zhì)和舒適性下降。隨著變風量空調(diào)系統(tǒng)的應用越來越廣泛，其故障檢測與診斷的研究也越來越重要。目前，國內(nèi)外研究人員在空調(diào)系統(tǒng)的故障診斷研究中取得了眾多的成果，應用的故障診斷方法大致分為基于模型的方法、基于信號處理的方法和基于知識的方法。但沒有任何哪一種方法能夠同時實現(xiàn)對所有故障的檢測與診斷，往往將多種方法相互結(jié)合，可以更好地實現(xiàn)故障診斷。

2、>　　本文以變風量空調(diào)系統(tǒng)風側(cè)系統(tǒng)為研究對象，利用灰箱模型、聚類方法、神經(jīng)網(wǎng)絡(luò)等方法進行故障檢測與診斷研究。
　　首先，空調(diào)系統(tǒng)的過程參數(shù)與狀態(tài)參數(shù)受工況條件的影響而變化，因此在應用基于模型的故障診斷方法時，必須保證預測模型與實際系統(tǒng)之間比較是在相同或相近工況下進行，否則，其故障診斷結(jié)果是無效，甚至錯誤的。本文提出利用FCM聚類的方法，從大量歷史正常運行數(shù)據(jù)中選取與當前工況最接近的正常數(shù)據(jù)，即基準無故障數(shù)據(jù)，作為模型訓練的樣本數(shù)據(jù)

3、，從而有針對性地提高模型精度，消除工況條件變化對故障診斷結(jié)果的影響。
　　其次，從能量平衡的角度建立了空調(diào)箱灰箱模型，利用基準無故障數(shù)據(jù)訓練灰箱模型，獲得模型預測值，通過模型預測值與系統(tǒng)實測值之間的殘差特征檢測系統(tǒng)故障。既解決了變風量空調(diào)系統(tǒng)高度非線性和復雜性帶來的建模困難，又能體現(xiàn)該系統(tǒng)的物理特性。此外，還針對故障檢測閾值的時效性與準確性進行了研究，從統(tǒng)計學的角度出發(fā)設(shè)定閾值，使閾值能夠適用不同的工況條件和故障類型。