基于人工神经网络模型的螺杆式冷水机组故障诊断研究

摘要

随着集中空调的应用越来越广泛,空调系统故障诊断的研究已成为一个重要课题。我国在这方面研究起步较晚,尤其是针对冷水机组的,依靠以往人工诊断或半自动化的方法已经不能满足实际需要了。本文较系统的分析了各类诊断方法的特点,在此基础上采用人工神经网络的方法对冷水机组故障诊断进行研究。由于人工神经网络模型受多种因素影响,以往的研究多采取若干样本比较的方法,这种方法有一定局限性,本文采用正交实验的方法寻求最佳网络模型,最终编制出故障诊断程序。本文首先综述了空调系统故障诊断的现状,然后简要介绍了人工神经网络的相关知识,并建立故障诊断模型。课题组搭建了一套可供螺杆式冷水机组故障诊断研究的实验台,论文的第三章对其作了介绍,通过实验模拟了冷冻水、冷却水量变化、制冷剂流量改变、有不凝性气体、冷却水温变化及外界负荷变化等六类故障。为便于分析这几类故障之间的差异,定义了系列温度特征参数,阐明这几类故障的原因及现象。论文的最后在实验基础上,整理出故障训练及检验样本,编制了基于人工神经网络的故障诊断程序。本文采用正交实验法寻求最佳网络模型,通过对比25种训练方案分析发现,各参数影响网络性能的的主次程度依次为:训练算法、隐层节点数、训练次数、数据预处理、学习目标。最佳的网络模型是采用贝叶斯规范化算法,20个隐层节点,最大训练次数为1500次,学习目标为0.001。实验验证结果表明诊断程序能准确地判断出故障。

目录

中文摘要

英文摘要

1 绪论

1.1 故障诊断在暖通空调中的研究及应用状况

1.1.1 空调系统故障诊断的由来

1.1.2 国内外研究现状

1.2 暖通空调系统故障诊断的方法

1.3 神经网络在故障诊断中的应用

1.4 HVAC故障诊断方法的评价标准

1.5 论文主要研究内容和解决的问题

2 神经网络故障诊断模型

2.1 神经网络应用于故障诊断的意义

2.2 神经网络概述

2.2.1 神经元模型

2.2.2 人工神经网络的基本模型

2.3 BP网络建模

2.3.1 BP网络简介

2.3.2 BP算法简介

2.3.3 BP算法存在的问题及其改进

2.3.4 利用BP网络进行故障诊断的优势

2.3.5 BP网络故障诊断模型

3 实验

3.1 实验目的

3.2 实验装置简介

3.3 测量系统及测点布置

3.3.1 温度的测量

3.3.2 压力的测量

3.3.3 流量的测量

3.3.4 功率的测量

3.4 本文所模拟的故障

3.5 实验误差分析

3.5.1 温度测量系统误差分析

3.5.2 实验数据处理

3.5.3 热平衡分析

3.5.4 综合误差分析

3.6 数据采集及采样时间

3.7 实验结果分析

3.7.1 冷却水侧受阻

3.7.2 蒸发器水侧受阻

3.7.3 制冷剂流量不足

3.7.4 冷却水进水温度过高

3.7.5 有不凝性气体

3.7.6 外界负荷变化

4 故障诊断软件的实现及实验验证

4.1 诊断模型的确立

4.1.1 训练样本的提炼

4.1.2 隐层结构的确定

4.1.3 学习算法的确定

4.1.4 学习目标的确定

4.1.5 训练次数

4.1.6 网络评价指标

4.2 网络的训练实例

4.2.1 正交实验法

4.2.2 正交实验法中训练参数的选取

4.3 实验验证

4.4 诊断界面设计

5 结论

5.1 研究结论

5.2 课题进一步研究方向

致谢

参考文献

附录