基于HHT-WNN方法的空调系统传感器故障诊断研究

摘要

随着现代科学技术的进步及人们生活水平的提高，对暖通空调(Heating,Ventilation and Air Conditioning, HVAC)系统(简称“空调系统”)控制质量的要求日益提高，因而系统的控制策略也变得越来越复杂，以切实保障空调系统的正常运行。
　　现代商业建筑中，HVAC系统的能耗大约占整个建筑物总能耗的50％，某些能耗较高的地区甚至达到70%；而近年来，室内空气的污染已经直接影响到人们的身心健康，甚至生命安全。研究表明，商业建筑中的空调系统加入故障检测与诊断(Fault Detection and Diagnosis, FDD)的部分后，能达到20%~30%的节能效果。因此，为了实现节能和提高室内空气质量的目的，需要在空调系统的设计阶段加入故障诊断的环节。
　　传感器是空调系统中广泛应用的元器件，是系统中的最底层元件，如温度传感器、湿度传感器、流量传感器、压力传感器等，其工作性能的好坏严重影响着空调系统的稳定性。一旦传感器出现故障，不仅会导致室内舒适度的降低和室内空气质量的下降，还会导致系统寿命的缩短和系统能耗的增加，以及先进的控制策略无法实现。
　　本文将HHT(Hilbert-Huang Transform,希尔伯特-黄变换)与WNN(Wavelet Neural Network,小波神经网络)结合，提出了基于 HHT-WNN的故障诊断方法，并将它用于空调系统中传感器的故障诊断，不仅能够实现单个传感器的故障诊断与恢复，而且可以实现空调系统中多个传感器(传感器系统)的故障诊断与恢复，包括传感器的完全失效、偏差、漂移和精度下降四种故障。
　　通过对温度传感器四种不同故障的仿真实验，验证了该方法能够准确地检测到传感器故障的出现与否，还能够识别故障的类型，并进行某种故障的恢复。

目录

封面

声明

中文摘要

英文摘要

缩略词表

目录

第1章 绪论

1.1 故障诊断的目的和意义

1.2 故障诊断方法综述

1.3 故障诊断的研究现状

1.4 空调系统的结构与故障类型

1.5 本文的主要研究工作

第2章 希尔伯特-黄变换

2.1 希尔伯特变换

2.2 希尔伯特-黄变换

2.3 HHT在故障诊断中的应用

2.4 本章小结

第3章 小波神经网络

3.1 小波变换理论

3.2 神经网络

3.3 小波神经网络

3.4 本章小结

第4章 HHT-WNN故障诊断方法

4.1 基于HHT的信号奇异性检测

4.2 HHT-WNN故障诊断方法的研究

4.3 本章小结

第5章 温度传感器故障的仿真实验

5.1 采样信号

5.2 故障检测的仿真

5.3 故障特征提取的仿真

5.4 故障类型识别的仿真

5.5 故障恢复的仿真

5.6 本章小结

第6章 总结与展望

6.1 本文总结

6.2 研究展望

参考文献

作者攻读硕士学位期间发表的论文

致谢