[發明專利]一種基于DHMM和CPDSPC的空調機組故障診斷方法

有效

• 申請號: 202110067339.3
• 申請日: 2021-01-19
• 公開（公告）號: CN113188818B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 嚴穎;蔡駿;張菀;李濤
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G01M99/00
• 分類號: G01M99/00;G06F17/15
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 田凌濤

本發明涉及一種基于DHMM和CPDSPC的空調機組故障診斷方法，針對空調機組設備的故障診斷問題，利用反向傳遞神經網絡、卡爾曼濾波或者粒子濾波方法來有效地提取出故障特征，使用主成分分析法提取這些故障特征的主要成分，并作為動態隱馬爾可夫模型的觀測值，動態隱馬爾可夫模型被用來描述空調機組設備的健康狀況的動態變化，以實現對于狀態的估計；最后應用一種基于Conway?Maxwell?Poisson分布的離散統計過程控制方法，濾除錯誤的狀態估計，以實現高精度的故障診斷，保證實際工作的穩定性。

技術領域

本發明涉及一種基于DHMM和CPDSPC的空調機組故障診斷方法，屬于故障診斷技術領域。

背景技術

暖通空調系統在建筑物總能耗中的占比最高，約為50％-60％。在暖通空調中大約42％的制冷能耗、以及26％的維修費用是設備故障造成。據估計，暖通空調故障診斷可以減少10％-40％的能源消耗。作為暖通空調系統的重要子系統，空調機組被用于將室內空氣調節到適宜溫度。該系統由冷卻盤管，風扇等設備組成，空調機組中的設備相互耦合，通過閉環控制實現對于室內溫度、濕度等的控制，以滿足人們的舒適度需求。在這種情況下，空調機組中的一個設備一旦發生了故障，與其相連設備的負荷就會變大，這可能導致這些設備在大負荷下更容易發生故障，引起連鎖反應，造成故障的傳遞和擴散。因此，在設備耦合的情況下，精確診斷出空調機組的故障類型是有益之舉。在過去的數十年中，對于空調機組的故障診斷研究很多，但是傳感器的測量誤差、以及模型誤差，會影響狀態估計的精度，導致無法精確診斷故障。

發明內容

本發明所要解決的技術問題是提供一種基于DHMM和CPDSPC的空調機組故障診斷方法，采用全新設計架構，能夠針對空調機組，實現高精度的故障診斷，保證實際工作的穩定性。

本發明為了解決上述技術問題采用以下技術方案：本發明設計了一種基于DHMM和CPDSPC的空調機組故障診斷方法，包括如下步驟：

步驟A.基于空調機組上各指定工作屬性分別沿時序的變化，構建空調機組上冷卻盤管與風扇分別所對應各故障特征時序變化，進而獲得冷卻盤管與風扇分別所對應故障特征矩陣X_cc、X_sf，并進一步針對故障特征矩陣X_cc、X_sf，分別執行故障特征降維操作，獲得冷卻盤管與風扇分別所對應的主故障特征矩陣O_cc、O_sf，然后進入步驟B；

步驟B.根據冷卻盤管與風扇分別所對應的主故障特征矩陣O_cc和O_sf，構建冷卻盤管與風扇分別所對應的初始動態隱馬爾可夫模型，并基于主故障特征矩陣O_cc和O_sf中的預設比例訓練數據，應用吉布斯采樣法分別針對各初始動態隱馬爾可夫模型進行訓練，獲得冷卻盤管與風扇分別所對應的動態隱馬爾可夫模型，然后進入步驟C；

步驟C.基于冷卻盤管與風扇分別所對應主故障特征矩陣O_cc和O_sf中的預設比例測試數據，采用維特比算法獲得冷卻盤管與風扇分別所對應動態隱馬爾可夫模型、對應時刻1至時刻K的狀態估計值序列和然后進入步驟D；

步驟D.分別針對冷卻盤管與風扇所對應的狀態估計值序列和濾除狀態估計值中的錯誤估計，獲得冷卻盤管與風扇分別所對應的最終狀態估計值序列和進而實現對空調機組上冷卻盤管與風扇的故障診斷。

作為本發明的一種優選技術方案，所述步驟A包括如下步驟A1至步驟A5：

步驟A1.采集空調機組冷凍水流量送風流量分別對應時刻1至時刻K的時序變化與分別作為空調機組上的故障特征時序變化；