基于核Fisher判別分析法的空調(diào)系統(tǒng)傳感器故障診斷研究.pdf

1、隨著中央空調(diào)系統(tǒng)在各種場合越來越廣泛的應用，中央空調(diào)系統(tǒng)得到了很大發(fā)展，中央空調(diào)系統(tǒng)中的控制系統(tǒng)也越來越復雜。不管是商用辦公樓還是工業(yè)加工場所，甚至是民用住宅都對空調(diào)系統(tǒng)提出了更高的要求，要求空調(diào)系統(tǒng)的運行穩(wěn)定、舒適和節(jié)能。在越來越復雜和龐大的HVAC系統(tǒng)中，往往會產(chǎn)生各種各樣的故障，要快速及時地檢測、鑒別出系統(tǒng)中出現(xiàn)的各種故障，已遠非操作者力所能及，這就使得故障檢測與診斷（FDD）系統(tǒng)越來越成為必要。 本文提出了一種基于統(tǒng)計學

2、的用于空調(diào)系統(tǒng)傳感器故障診斷的方法：Fisher判別分析法。通過選取各種故障的樣本利用多元統(tǒng)計的方法對其進行學習最終使得各個故障樣本在一定的空間分離。在故障檢測時，選取檢測點對其進行投影然后通過計算馬氏距離看其最接近哪一種故障類型，即判別該點為這一類型的故障。然而運用Ｆisher判別法的第一步是對故障樣本進行學習訓練，因此樣本的精度直接影響了故障診斷的效果，于是提出用主成分方法優(yōu)化訓練樣本以改進Ｆisher判別法從而達到提高故障診斷準確

3、率的目的。主成分分析法通過少數(shù)幾個主成分，提取絕大部分數(shù)據(jù)之間的相關(guān)性，將原始數(shù)據(jù)空間分為主成分子空間（PCS）和殘差子空間（RS），通過監(jiān)測采樣數(shù)據(jù)在殘差子空間的投影大小是否超過閥值來判斷其是否為奇異點，如果是則剔除。仿真實驗的結(jié)果表明，該方法能夠使故障診斷的準確率提高3至6個百分點。 在故障線性可分的前提下，融合主成分和Ｆisher判別法的故障診斷方法對故障的診斷準確率很高，甚至可以達到１００％。但是實際系統(tǒng)很多都是十分龐大

4、復雜的，各種類型的故障很多都是非線性可分的，單純的線性判別法很難滿足實際系統(tǒng)的要求。于是作者提出在Ｆisher判別法中引入核函數(shù)技術(shù)，從而實現(xiàn)用Ｆisher判別進行非線性故障診斷。 核Fisher判別分析法是在Fisher判別分析的基礎(chǔ)上進一步改進，是一種高性能多類分類算法,不僅具有高性能的線性分辨能力，而且具有更好的非線性處理能力和更好的推廣能力。在進行多類分類時，首先通過一個非線性映射將訓練樣本映射到一個高維的核空間中，建立