空調(diào)系統(tǒng)中傳感器故障檢測與診斷方法研究.pdf

1、隨著暖通空調(diào)系統(tǒng)(HVAC)在各種場合越來越廣泛的應用,暖通空調(diào)系統(tǒng)得到了很大發(fā)展,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(Fault Detection and Diagnos

2、is,FDD)系統(tǒng)越來越成為必要。
　　 基于多元統(tǒng)計過程控制的故障診斷方法,是故障診斷領域研究的一個重要分支。近年來,不同形式的主元分析方法,在各領域的故障診斷中得到了廣泛的應用,且取得了很好的效果。
　　 本文首先采用主元分析法(PCA)對暖通空調(diào)系統(tǒng)傳感器故障進行檢測與診斷。主元分析法利用正常運行條件下的測量數(shù)據(jù)來建立系統(tǒng)的模型,從而避免了直接建立系統(tǒng)的解析模型。利用該方法建立系統(tǒng)的模型時,主元數(shù)的選取是一個關鍵問

3、題。本文選用主元貢獻率法來選取最優(yōu)主成分數(shù)。針對傳統(tǒng)主元分析法不能用來分析非線性系統(tǒng),本文提出了綜合利用核函數(shù)主元分析和神經(jīng)網(wǎng)絡預測器的非線性系統(tǒng)故障診斷方法；同時,為提高神經(jīng)網(wǎng)絡預測器的性能,本文采用將遺傳算法應用到神經(jīng)網(wǎng)絡權值的選定中去,并取得很好效果。
　　 本文以MATLAB為仿真工具,以某建筑仿真空調(diào)系統(tǒng)為研究對象,應用上述方法分別設計了傳感器故障診斷系統(tǒng),通過大量仿真試驗,證明了上述方法具有令人滿意的故障診斷能力,對