空调系统传感器故障检测与诊断方法研究

暖通空调系统的故障诊断对减少系统的能源消耗、降低能耗费用、维持舒适的室内环境、提高室内空气品质、降低设备的磨损和减少温室气体的排放都是非常重要的。然而，对于日益复杂的空调系统，快速、及时地检测系统中出现的各种故障，以远非操作者人力所能及。因此，使得自动故障检测与诊断成为必要。 本文提出了用主成分分析法(PCA)进行空调系统传感器故障检测与诊断的基本思想。主成分分析法利用系统在正常运行条件下的测量数据来建立系统的模型，从而避免了直接建立系统的解析模型。利用该方法建立系统的模型时，主成分数的选取是一个关键问题。本文通过最小化不可重构方差的方法来求取最优的主成分数。 主成分分析法分测量数据空间为主成分子空间(PCS)及残差子空间(RS)，在主成分子空间内包含的主要是数据的正常部分，而在残差子空间内主要包含的是自由噪声或故障。通过检测测量数据在残差子空间内的投影大小，可以检测系统是否出现故障。本文定义了一个统计量——平方预测误差SPE——来检测故障，并给出了其控制限的计算公式。 故障重构的本质是寻找故障测量数据所对应的正常值的一个估计值的过程。本文采用了迭代重构法进行数据恢复，迭代重构就是沿着故障方向，逐步逼近主成分子空间的过程。 本文定义了一个故障识别指数SVI进行故障识别。研究表明，当温度传感器出现故障时，SVI指数能很好地做出识别，但当流量传感器出现故障时，SVI指数只能辨别出是流量传感器出现故障，而无法进一步识别出具体是哪一个传感器发生了故障。出现这种问题，主要是由于流量传感器之间的共线性造成的。为了更进一步识别出流量传感器故障，本文采用了小波分解的方法来识别。小波分解具有很好的局部时频特性，因此，通过观察信号的高频系数的变化情况来识别故障。从而较好地解决了流量传感器故障的不可识别的问题。 最后，对论文进行了总结并展望了未来的故障诊断研究。