[發(fā)明專利]一種離心式冷水機(jī)組與新風(fēng)系統(tǒng)聯(lián)合故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910898566.3
• 申請(qǐng)日: 2019-09-23
• 公開(kāi)（公告）號(hào): CN110702438B
• 公開(kāi)（公告）日: 2020-09-18
• 發(fā)明（設(shè)計(jì)）人: 王大全;朱能;楊昆
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G01M99/00
• 分類號(hào): G01M99/00;G06K9/62
• 代理公司: 天津創(chuàng)智天誠(chéng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12214
• 代理人: 李程;王秀奎

本發(fā)明公開(kāi)了一種離心式冷水機(jī)組與新風(fēng)系統(tǒng)聯(lián)合故障診斷方法，包括：歷史運(yùn)行數(shù)據(jù)降噪處理與特征篩選、聚類分析、確定支持向量機(jī)訓(xùn)練參數(shù)和建立故障診斷模型等。降噪處理與特征篩選去除原始數(shù)據(jù)中不可避免的噪聲、異常值數(shù)據(jù)，并轉(zhuǎn)化為支持向量機(jī)可識(shí)別的數(shù)據(jù)結(jié)構(gòu)，選出和故障顯著相關(guān)的變量，在數(shù)據(jù)結(jié)構(gòu)上節(jié)約存儲(chǔ)空間、縮短模型訓(xùn)練時(shí)間；聚類分析確定故障特征的親疏遠(yuǎn)近，提高診斷精度；確定支持向量機(jī)訓(xùn)練參數(shù)可提高故障診斷模型的訓(xùn)練精度與壓縮模型生成時(shí)間。本方法可以精度高、耗時(shí)少且適用性廣地進(jìn)行雙系統(tǒng)聯(lián)合故障診斷，及時(shí)發(fā)現(xiàn)雙系統(tǒng)存在的問(wèn)題，從而達(dá)到提高運(yùn)行性能、節(jié)省能源和降低維修費(fèi)用的目的。

技術(shù)領(lǐng)域

本發(fā)明屬于故障診斷技術(shù)領(lǐng)域，具體涉及一種離心式冷水機(jī)組與新風(fēng)系統(tǒng)聯(lián)合故障診斷方法。適用于暖通空調(diào)領(lǐng)域內(nèi)離心式冷水機(jī)組和新風(fēng)供給系統(tǒng)的共計(jì)9種故障的診斷。

背景技術(shù)

建筑全過(guò)程中發(fā)生的能耗在我國(guó)總能源消耗中占比巨大。以建筑運(yùn)行總能耗為例，在2015年其約占全國(guó)能源消費(fèi)總量的20％。在建筑運(yùn)行能耗中，暖通空調(diào)系統(tǒng)能耗占建筑總能耗的60％左右，且由于設(shè)計(jì)不合理、維護(hù)保養(yǎng)不得當(dāng)?shù)膯?wèn)題普遍存在，各類暖通空調(diào)子系統(tǒng)設(shè)備往往運(yùn)行在低能效比區(qū)間，更加劇了能源的消耗。暖通系統(tǒng)的正常運(yùn)行可以為用戶提供舒適和高效的生活及工作環(huán)境，使用有效的故障診斷方法進(jìn)行故障診斷既可以防患于未然，也可以提高系統(tǒng)的運(yùn)行效率從而達(dá)到節(jié)能的效果。因此機(jī)組的故障診斷對(duì)于暖通空調(diào)系統(tǒng)的高效運(yùn)行及建筑節(jié)能具有重要意義?；谏鲜鲈?，在故障診斷領(lǐng)域針對(duì)暖通空調(diào)各類子系統(tǒng)的故障診斷備受關(guān)注。但由于不同的系統(tǒng)之間特征不同，運(yùn)作原理不同，故少有針對(duì)跨系統(tǒng)聯(lián)合故障診斷的研究和技術(shù)應(yīng)用。以下就暖通空調(diào)最重要的子系統(tǒng)之一——離心式冷水機(jī)組所應(yīng)用的故障診斷技術(shù)為例介紹目前普遍采用的故障診斷技術(shù)。

目前，針對(duì)離心式冷水機(jī)組故障診斷的方法主要有故障樹(shù)、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、回歸模型、模糊算法、支持向量機(jī)(Support Vector Machine,SVM)、遺傳算法、獨(dú)立元分析、指定元分析和主元分析等，以及上述不同方法的混合使用。上述方法中，故障樹(shù)和專家系統(tǒng)雖然可以做到多種故障同時(shí)進(jìn)行診斷，但是其需要大量先驗(yàn)知識(shí)和繁瑣的規(guī)則設(shè)置，過(guò)于依賴建筑個(gè)體，帶有明顯的個(gè)性特征，故而不具有太高的普適性；人工神經(jīng)網(wǎng)絡(luò)、回歸模型、模糊算法等均需要大量輸入正常和故障條件下的運(yùn)行數(shù)據(jù)以進(jìn)行模型的構(gòu)建，而這在實(shí)際工程中往往難以實(shí)現(xiàn)，且難以做到多種故障的聯(lián)合診斷或不能保證聯(lián)合診斷的精度，同時(shí)也容易發(fā)生過(guò)度擬合問(wèn)題導(dǎo)致泛化能力很差；統(tǒng)計(jì)學(xué)方法中的獨(dú)立元分析、指定元分析和主元分析需要機(jī)組正常條件下的運(yùn)行數(shù)據(jù)進(jìn)行模型構(gòu)建，通過(guò)某些特征指標(biāo)的對(duì)比來(lái)判斷故障是否發(fā)生，但是其適用得診斷故障的種類相對(duì)單一，且若兩種故障擁有相同的故障特征，則難以給出精確的診斷結(jié)果。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明基于離心式冷水機(jī)組中的支持向量機(jī)診斷技術(shù)，將其優(yōu)化并推廣至建筑暖通空調(diào)系統(tǒng)的跨系統(tǒng)、多故障聯(lián)合診斷領(lǐng)域，提出了一種基于支持向量機(jī)的離心式冷水機(jī)組與新風(fēng)系統(tǒng)聯(lián)合故障診斷方法。

本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

一種離心式冷水機(jī)組與新風(fēng)系統(tǒng)聯(lián)合故障診斷方法，包括以下步驟：

歷史運(yùn)行數(shù)據(jù)降噪處理與特征篩選、聚類分析、確定支持向量機(jī)訓(xùn)練參數(shù)和建立故障診斷模型等。

歷史運(yùn)行數(shù)據(jù)降噪處理與特征篩選的目的是去除原始數(shù)據(jù)中不可避免的噪聲、異常值數(shù)據(jù)，并將其轉(zhuǎn)化為支持向量機(jī)可以識(shí)別的數(shù)據(jù)結(jié)構(gòu)，并選出那些和故障顯著相關(guān)的變量，又稱特征，從而在數(shù)據(jù)結(jié)構(gòu)上節(jié)約數(shù)據(jù)存儲(chǔ)空間和縮短模型訓(xùn)練時(shí)間；聚類分析的目的是確定故障特征的親疏遠(yuǎn)近，從而提高診斷精度；確定支持向量機(jī)訓(xùn)練參數(shù)是為了提高故障診斷模型的訓(xùn)練精度與壓縮模型生成時(shí)間。

一種離心式冷水機(jī)組與新風(fēng)系統(tǒng)聯(lián)合故障診斷方法，包括以下步驟：

步驟1，收集并歸類整理實(shí)際工程中運(yùn)行的離心式冷水機(jī)組和新風(fēng)系統(tǒng)的歷史運(yùn)行數(shù)據(jù)集，所述歷史運(yùn)行數(shù)據(jù)集包含樣本和特征；