[發(fā)明專利]一種基于KDE-FA的冷水機組故障特征刻畫方法

在審

• 申請?zhí)枺?/td>: 202110362540.4
• 申請日: 2021-04-02
• 公開（公告）號: CN113051530A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設計）人: 王智偉;丁書久;李玉嬌
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/16
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 姚詠華

本發(fā)明公開了一種基于KDE?FA的冷水機組故障特征刻畫方法，選用移動平均濾波器法對冷水機組原始故障數(shù)據(jù)進行平滑處理，對平滑數(shù)據(jù)進行穩(wěn)態(tài)篩選；采用KDE方法對穩(wěn)態(tài)篩選后的故障數(shù)據(jù)進行故障特征選擇；采用FA方法對選擇出的冷水機組故障特征進行特征降維，完成故障特征刻畫；構建KDE?BN模型、FA?BN模型及KDE?FA?BN模型，進行FD故障檢測和評價；構建KDE?SVDD模型、FA?SVDD模型及KDE?FA?SVDD模型，進行FD故障檢測和評價；步驟6：分別將構建的模型與傳統(tǒng)BN、SVDD模型檢測性能比較，判定該FD方法效果。該方法在現(xiàn)場冷水機組故障檢測應用中，能夠減少工作量，提高檢測效率及精度。

技術領域

本發(fā)明屬于空調(diào)系統(tǒng)中冷水機組故障檢測領域，具體涉及一種基于非參數(shù)核密度估計和因子分析(KDE-FA)的冷水機組故障特征刻畫方法。

背景技術

冷水機組是暖通空調(diào)系統(tǒng)中的主要耗能設備，通過冷水機組的故障檢測(FD)，及時發(fā)現(xiàn)和識別故障，并作出相應決策，對實現(xiàn)空調(diào)系統(tǒng)節(jié)能，保持空調(diào)系統(tǒng)高能效運行和維持室內(nèi)環(huán)境舒適度具有重要的工程意義和經(jīng)濟意義。

故障特征刻畫主要包括故障數(shù)據(jù)特征選擇和特征降維。選擇合適的故障特征是FD的前提和關鍵，特征選擇的好壞很大程度上決定了故障檢測的性能。故障特征維度較高及特征之間具有信息冗余性是現(xiàn)有FD方法研究所面臨的主要問題之一，這會導致維度災難，增加工作量，需要更多的時間和空間，從而降低故障檢測效率。

大多數(shù)現(xiàn)有FD方法通常以其檢測性能最佳為原則選擇表征故障的特征參數(shù)，這往往導致獲取這些特征參數(shù)的傳感器數(shù)量多、成本高。冷水機組現(xiàn)場傳感器安裝現(xiàn)狀的調(diào)研結果顯示：溫度傳感器是現(xiàn)場存在最多且成本較低的傳感器，壓力和流量傳感器成本較高且現(xiàn)場大量缺乏。因此選擇大量壓力或流量特征進行FD工作不具備經(jīng)濟意義，基于成本進行特征刻畫成為FD方法的出發(fā)點。

目前，在冷水機組故障檢測技術中，故障特征刻畫的傳統(tǒng)技術途徑有：1)考慮現(xiàn)場成本和特征敏感性進行特征選擇；2)基于PCA等方法進行特征降維。然而，上述兩條傳統(tǒng)途徑常常存在兩大問題：1)不能完全從樣本數(shù)據(jù)本身出發(fā)，反映故障特征的真實分布，從而導致對FD有用的敏感特征可能被遺漏；2)原始變量和公共因子之間的關系無法得到較好解釋，提取出來的主成分無法清晰地解釋其代表的含義。

發(fā)明內(nèi)容

為解決現(xiàn)有技術中存在的上述缺陷，本發(fā)明提出了一種基于KDE-FA的冷水機組故障特征刻畫方法，根據(jù)該方法所確定的故障特征以及匹配的故障檢測方法，在現(xiàn)場冷水機組故障檢測應用中，既可以不遺漏有用的敏感特征，真實刻畫故障數(shù)據(jù)特征，又可以降低特征維度，減少工作量，提高檢測效率及精度，從而有效克服目前故障特征刻畫存在的主要問題。

實現(xiàn)本發(fā)明的技術路徑是：首先基于KDE進行敏感特征選擇，然后基于FA進行特征降維，從而達到在不影響檢測精度的條件下，以最少特征表征冷水機組故障的目的；最后基于KDE-FA方法建立特征刻畫模型，并將此模型用于BN和SVDD的FD技術。其中，融入KDE-FA特征刻畫方法的FD包括三個過程：1)數(shù)據(jù)預處理；2)特征刻畫；3)故障檢測過程。

本發(fā)明具體技術方案如下。

一種基于KDE-FA模型的冷水機組故障特征刻畫方法，包括下述步驟：

步驟1：選用移動平均濾波器法對冷水機組原始故障數(shù)據(jù)進行平滑處理，然后選用計算幾何加權運行平均值和幾何加權運行方差的方法對平滑數(shù)據(jù)進行穩(wěn)態(tài)篩選；

步驟2：采用KDE方法對穩(wěn)態(tài)篩選后的故障數(shù)據(jù)進行故障特征選擇：

步驟3：采用FA方法對KDE選擇出的冷水機組故障特征進行特征降維，完成故障特征刻畫工作。采用FA方法對KDE選擇出的故障特征進行特征降維時，包括因子描述、因子提取、因子旋轉(zhuǎn)和因子得分四個環(huán)節(jié)。