基于補償模糊神經(jīng)網(wǎng)絡的制冷系統(tǒng)故障診斷研究.pdf

1、隨著人工智能的不斷發(fā)展和工業(yè)自動化水平的快速提高，制冷空調設備的機電化功能不斷增強，加上大型制冷設備的廣泛應用，致使制冷系統(tǒng)結構越來越復雜，系統(tǒng)故障的潛在發(fā)生點增多了，這對及時發(fā)現(xiàn)和診斷系統(tǒng)的故障發(fā)生部位提出了更高的要求。為此，制冷空調系統(tǒng)及其設備的故障檢測與診斷受到人們的廣泛關注，國際上正掀起一場制冷空調系統(tǒng)及其相關設備故障檢測與診斷的研究熱潮。這正是本研究課題的大背景。 本文的主要研究工作為： 以熱泵冷水機組為研究對

2、象，闡述了模糊神經(jīng)網(wǎng)絡中的模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡的基本原理，論述了應用補償模糊神經(jīng)網(wǎng)絡進行制冷系統(tǒng)故障診斷的若干問題。 在分析制冷系統(tǒng)常見故障特征的基礎上，利用數(shù)據(jù)采集系統(tǒng)采集制冷系統(tǒng)故障特征參數(shù)，對特征參數(shù)歸一化處理，計算得到訓練樣本集。本文主要針對系統(tǒng)制冷劑過少，膨脹閥開度過大，冷卻水流量改變，壓縮機吸氣管堵塞，壓縮機吸排氣串通等5種常見故障進行診斷。 建立以壓縮機進口溫度、蒸發(fā)器進口溫度、冷媒水進口溫度、冷媒水出口

3、溫度、壓縮機排氣壓力、壓縮機吸氣壓力、壓縮機出口溫度、冷凝器出口溫度等8個特征參數(shù)作為輸入層參數(shù)，故障模式作為輸出層的補償模糊神經(jīng)網(wǎng)絡模型。 利用MATLAB 7.0編寫出了基于補償模糊神經(jīng)網(wǎng)絡的制冷系統(tǒng)故障診斷學習訓練及仿真檢驗程序，在網(wǎng)絡的學習訓練中，通過比較，選擇合適的模糊分割數(shù)和學習率，使網(wǎng)絡能夠較快的達到收斂值。 對已建立好的補償模糊神經(jīng)網(wǎng)絡進行學習訓練和仿真檢驗。仿真結果表明系統(tǒng)具有很高的準確率，只要制冷系統(tǒng)