变风量送风系统末端故障的主动式检测与诊断

变风量(VAV)送风系统具有传感器数量少、诊断信息不足、故障特征相似等特点,传统被动式故障检测与诊断(FDD)方法难以实现系统故障的有效分离。本文提出一种新型主动式故障检测与诊断方法,通过向系统添加小扰动获取的额外诊断信息,可对被动式方法无法分离的可疑故障进一步诊断。在TRNSYS仿真平台上搭建了可模拟常见故障的变风量空调系统,通过向故障系统添加主动式行为验证方法的可行性与准确性。结果表明:该主动式故障检测与诊断方法可成功诊断出12种变风量末端常见故障,诊断与检测能力较传统被动式方法具有较大提升。     

基于数据特征提取的暖通系统传感器偏置故障标准化检测方法

针对暖通设备中空气处理机组传感器数据故障检测效率较低的问题，提出了一种基于KPCA结合SVM的故障检测方法。首先，建立核主元模型，然后通过核主元分析对被监测的传感器数据进行特征值提取。其次，将特征值提取后的数据对支持向量机(Support Vector Machine,SVM)进行训练，构造SVM故障检测模型。最后，基于KPCA-SVM故障检测模型对被监测的传感器进行故障检测。本研究以河北师范大学职技楼制冷与空调实验设备为例进行空气处理机组传感器故障实验验证。结果表明，与SVM方法相比，KPCA-SVM能够更好地提取故障信号的非线性特征。     

基于小波神经网络的多联式空调机组传感器故障检测和诊断

针对多联式空调机组的结构复杂性以及传感器系统的非线性等特点,将小波神经网络用于对多联式空调机组传感器的故障检测与诊断。从实际生产环境中收集多联式空调机组运行数据,构建合适的小波神经网络,并针对常见的4种主要软故障进行诊断与预测,以验证其故障诊断能力,同时比较小波神经网络对于不同故障的敏感性。结果表明,小波神经网络对于多联式空调机组传感器故障检测和诊断具有良好的精度,对于偏差、漂移和失效的检测效果尤为明显。     

基于主元分析的多联式空调系统传感器故障检测和诊断

作为多元数据分析方法之一,主元分析(PCA)被广泛运用于诊断制冷空调系统的传感器故障。本文首先结合热平衡原理以及多联机运行的控制逻辑,筛选系统中常用的18个传感器变量建立多联机(VRF)传感器的故障分析(FDD)模型。然后结合主元分析的算法原理,给出以Q统计量和Q贡献率为检验标准的传感器故障检测与诊断流程。接着用实测数据进行验证工作,引入不同类型和程度的传感器故障,分析得到不同故障条件下的故障检测和诊断特性。结果表明,总体上,主元分析应用于多联机传感器故障检测与诊断过程是可靠的。其具体特征表现为：不同类型的传感器在不同故障类型及程度条件下,故障检测效果差异明显;在小偏差故障条件下,基于主元分析的传感器故障检测方法的故障检测效率较低,并且针对个别传感器而言,其整体故障检测效率偏低。鉴于故障诊断是基于故障检测的结果,因此上述故障检测方法在FDD过程中将起到重要的作用。     

主元分析用于多联式空调系统传感器故障检测和诊断

作为多元数据分析方法之一,主元分析(PCA)被广泛运用于诊断制冷空调系统的传感器故障。本文首先结合热平衡原理以及多联机运行的控制逻辑,筛选系统中常用的18个传感器变量,建立多联机(VRF)传感器的故障分析(FDD)模型。然后结合主元分析的算法原理,给出以Q统计量和Q贡献率为检验标准的传感器故障检测与诊断流程。利用实测数据验证工作,引入不同类型和程度的传感器故障,分析得到不同故障条件下的故障检测和诊断特性。结果表明:总体上,主元分析应用于多联机传感器故障检测与诊断过程是可靠的。具体特征表现为:不同类型的传感器在不同故障类型及程度条件下,故障检测效果差异明显;在小偏差故障条件下,基于主元分析的传感器故障检测方法的故障检测效率较低,并且针对个别传感器而言,其整体故障检测效率偏低。鉴于故障诊断是基于故障检测的结果,因此上述故障检测方法在FDD过程中将起到重要的作用。     

基于改进主元分析方法的空调系统传感器故障检测和诊断研究

传感器在空调系统中主要起着监测和控制的作用,影响空调系统的正常运行,从而带来能耗增加等不良影响。本文提出了结合小波变换的数据优化,以及基于神经网络的故障诊断优化的改进主元分析方法,用于空调系统传感器故障检测和诊断研究。通过对比数据优化前后主元分析的结果,发现同样0. 850 0累计贡献率原则上,采用小波变换去除噪声后,主元个数减少了两个,蒸发器进口温度传感器的固定偏差、漂移、精度下降等故障检测效果分别提升了0. 020 7、0. 020 8、0. 041 5,风量传感器固定偏差故障检测效果提升了0. 160 6。为了进一步找出故障源,在小波变换和主元分析的基础上,将求得的主元作为神经网络的输入,对5个传感器固定偏差故障进行测试,故障诊断结果分别为0. 766 7、0. 866 7、0. 900 0、1. 000 0、1. 000 0。     

空调系统传感器故障检测的无中心算法

本文针对现有空调系统传感器故障检测方法在实时性、适应性等方面的不足,基于建筑无中心智能控制系统,提出了一种诊断传感器慢漂移故障的无中心算法。依据基本物理原理建立约束方程,检验各个变量测量值的一致性,并通过各相邻节点的相互协作,借鉴Hopfield网络中能量函数等相关分析,实现传感器故障检测。该算法无需构建中心节点,不必增加硬件或时序冗余,使数据在系统底层就能自组织地完成诊断,具有并行性和简单性的特点,方便工程实施。以冷冻水二次泵系统为例,对算法进行了验证,结果表明:该方法能实现单个或多个传感器故障的检测,使空调系统传感器故障检测问题得到更合理的解决。     

紫峰大厦VAV变风量空调系统的设计

变风量空调系统是国外较为流行的节能空调系统,本文介绍了紫峰大厦项目VAV变风量空调系统,旨在从实际工程出发,详细描述系统设计的总体思想和设计流程,和大家一起分享。     

变风量空调系统整体设计及实施的必要性

通过对变风量(VAV)空调技术的发展及其在我国应用现状的分析,总结我国变风量空调系统整体使用效果不佳的原因,并提出针对性的整体化解决方案,阐述变风量空调系统项目实施过程中多专业配合、整体设计和系统集成调试的重要性.     

基于OS-EM-ELM的边缘侧串联电弧故障检测方法

电弧故障的高度随机性、复杂性使得其难以被准确识别。针对传统电弧识别算法对硬件算力要求高、实时性较低且一旦固定无法更改的问题,提出一种适用于边缘计算、多负载种类和多特征结合的误差最小化极限学习机(EM-ELM)电弧故障检测方法。通过快速傅里叶变换(FFT)、db4小波分解,提取周期均值差、脉宽百分比、间谐波因数及小波高频能量,作为边缘侧电弧故障检测算法的输入特征。在此基础上提出结合在线序列(OS)方法的OS-EM-ELM方法,运用现场运行数据对算法进行改进,提高适应性。实验结果表明,所提方法能有效地区分正常和电弧故障的波形,且适用于多种类型负载同时工作的复杂情况,计算量小,可实现在线训练,适应性强,应用成本低,更加符合电弧检测装置边缘计算的要求。     

船用VAV末端装置风量传感器布置对风量传感特性的影响研究

船用变风量(VAV)空调系统能够根据空调负荷的变化,自动调节室内空调送风量,以满足室内热湿环境的要求,而末端装置风量传感器的风量传感特性对变风量系统的运行至关重要。以配置均速管流量传感器的船用压力无关型VAV末端装置为研究对象,该末端装置采用圆形平板叶片和多孔圆柱形阀片组成的风阀。搭建变风量末端装置风量测量实验台,设定三种典型进口基准风量条件,测量末端装置风道断面的动压分布。基于测得的风道断面动压分布,分析风量传感器布置对风量传感特性的影响,优化传感器布置来提高末端装置风量传感特性,为VAV末端装置的改造提供了参考。     

一个故障检测与故障修正相结合的软件可靠性增长模型

针对现有软件可靠性增长模型(SRGM)缺乏故障修正过程的可靠性分析,从故障数量上研究了故障检测过程和故障修正过程的相关性,提出了一个S形的相关性函数,并以此建立了一个故障检测与故障修正相结合的非齐次泊松过程类软件可靠性增长模型(RDC-SRGM)。通过实例应用最小二乘法对模型的参数进行了估计。实验结果表明,RDC-SRGM在故障检测过程和故障修正过程上,均比其它模型的拟合效果和预测能力更好。     

变风量空调系统控制方法探讨

介绍变风量空调系统的定义,综述了变风量空调系统的优点,介绍了变风量末端机组的类型及其优缺点,最后探讨了定静压控制、变静压控制、总风量控制、总风量控制等变风量空调系统控制方法,并提出最优控制方法.     

基于VMD-DE的坦克行星变速箱故障诊断方法研究

为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。     

基于多特征提取和改进马田系统的滚动轴承故障分类方法研究

为提高旋转机械的使用效率,及时识别滚动轴承的潜在故障,提出一种基于多特征提取和改进马田系统(MTS)的故障分类方法。通过时域、频域和自适应白噪声的完备经验模态分解(CEEMDAN)提取多维特征,构建初始特征集。结合马田系统和有向非循环图(DAG)的特点,构建DAG-MTS多分类模型,并将其运用到轴承故障诊断中。利用滚动轴承故障数据测试该模型的有效性和实用性,结果表明,该模型能够准确识别出滚动轴承的故障。     

基于HJI方法的感应电动机运行故障检测

运用鲁棒故障检测设计理论中的HJI(Hamilton-Jacobi-lssacs)不等式方法对感应电动机运行故障进行故障检测设计.文中给出了感应电动机的动态数学模型并对其进行扩展,构成了广义系统.在此基础上,使用鲁棒检测理论中的HJI不等式对运行故障进行了理论分析和推导,得出了用于进行故障检测的递推公式.通过对电机定子绕组、径向振动以及瞬时功率等方面的仿真实验研究表明,使用这种检测方法可以提高检测的鲁棒性,避免误检,同时满足各项性能指标的要求,而且检测结果较传统方法有较大提高.     

聚类支持下决策树模型在动车组空调故障检测中的应用

随着高铁的快速发展,人们对乘车环境的要求也越来越高。列车空调系统运行于列车高速振动环境下,性能极易下降且定期检修成本巨大,高效准确的空调故障检测尤为重要。本文用K-means聚类对空调数据进行分类,找到明显异常的类别并与业务部门确认后找到真正的空调系统故障数据,并对故障数据进行标记,利用CART决策树建立空调故障检测模型。     

基于相空间RVM的轴承故障检测方法

针对轴承故障检测问题,提出一种基于相关向量机(RVM)的故障检测方法.RVM算法基于贝叶斯估计理论,它产生的决策函数具有少数的相关向量,利用RVM算法松散特性,解决了支持向量机算法(SVM)计算复杂度高的不足.为进一步降低检测时间,以重构相空间投影系数为轴承故障特征.试验最后同传统的SVM算法进行了比较,结果表明所建议的方法在保持较高检测率的同时,提高了故障检测的时效性.尤其检测时间从0.67 s降低了0.005 9 s(100倍).因此,该方法非常适合于在线故障检测等实时性要求很高的领域.     

变风量空调系统控制方法研究

简要介绍了变风量空调系统的概念及特点,对变风量末端装置和变风量系统的一些控制方法作了分析,详细论述了变风量空调系统中的定静压控制方法、变静压控制方法和总风量控制方法的控制机理,并借助MATLAB仿真软件绘制出定静压控制的仿真曲线.     

基于集成包络谱的滚动轴承早期故障检测指标EI北大核心CSCD

针对常规统计指标对滚动轴承早期故障不敏感的问题,该研究基于集成包络谱(integrated envelope spectrum,IES)提出一种滚动轴承早期故障检测指标——集成包络谱谱峰因子(integrated envelope spectrum peak factor,IESPF),应用于轴承早期故障检测。首先,对信号进行快速谱相干(fast spectral coherence,Fast-SCoh)计算;然后,根据循环频率与谱频率的映射关系确定包含故障信息丰富的频带,并对该频带积分获得IES;最后,计算IES的最大值与其均方根值的比值,从而获得该研究所提指标IESPF,应用于轴承外圈故障检测。通过分析滚动轴承外圈模拟故障试验数据和疲劳试验数据表明,该研究所提指标对轴承外圈早期故障较敏感,适用于早期故障检测。