基于数据统计特性的HVAC系统故障检测方法研究

摘要

我国目前现有暖通空调系统的能耗巨大，而暖通空调系统中能源的浪费很大程度上是因为系统发生故障不能及时诊断引起的，因此及时有效地辨识诊断出故障所在是保证系统性能和节能减耗的关键。暖通空调系统故障检测有参数漂移，多模式转换、既有故障和渐进故障难以检测等难点问题，然而传统的故障检测方法无法同时解决这些问题。本文考虑到暖通空调系统含有大量相似单元的特点，采用了一种基于相似单元参数数据统计特性的故障检测方法，将同模态下的单元统计特性进行比较根据特性的变化诊断单元是否发生故障。
　　文中引入了一类特殊的混杂系统数学模型来描述这种多单元系统，通过基于粒子滤波的多模滤波方法得到各单元的状态估计。然后根据状态估计值建立共有高斯混合分布，并采用混合聚类算法估计共有高斯分布中的未知参数。这里的混合聚类算法在传统EM聚类算法基础上引入粒度计算提高迭代速度，加入竞争奖罚因子解决聚类个数未知的无序数据的聚类。然后将各单元参数映射到这个含有共有参数的聚类空间，进而得到每个单元的运行模态。最后对工作在相同运行模式下的单元的统计特性采用基于序贯概率比判决的残差卡方检验方法对各单元进行故障检测，并用操作者接受曲线对故障检测性能进行分析。
　　最后，利用模拟空调系统实验平台，通过MATLAB编程进行仿真实验。仿真结果首先从聚类的准确性、快速性、稳定性三方面对比了混合聚类与传统聚类，凸显了混合聚类的聚类效果更准确、快速、适用范围广。其次验证了本文采用的故障检测方法可以有效地检测多种故障。

目录

声明

摘要

第一章 绪论

1．1 课题背景及意义

1．2 国内外研究现状

1．2．1 故障检测技术

1．2．2 统计假设检验技术

1．3 本文研究概述

1．4 本章小结

第二章 系统模型建立

2．1 暖通空调系统介绍

2．2 混杂系统模型建立

2．2．1 线性模型

2．2．2 非线性模型

2．2．3 有内部参数的非线性模型

2．3 本章小结

第三章 模型条件估计

3．1 单模型滤波

3．1．1 线性模型滤波

3．1．2 非线性模型滤波

3．2 多模型滤波

3．2．1 交互式多模型算法

3．2．2 改进的多模型算法

3．3 本章小结

第四章 模态辨识

4．1 聚类分析

4．2 高斯混合模型聚类

4．2．1 高斯混合模型

4．2．2 EM算法聚类

4．2．2 混合聚类

4．3 聚类结果分析

4．4 本章小结

第五章 故障检测

5．1 故障检测方案

5．1．1 常用的假设检验方法

5．1．2 检测方案

5．2 故障性能分析

5．3 本章小结

第六章 仿真与分析

6．1 仿真模型与滤波

6．2 仿真结果分析

6．2．1 聚类结果分析

6．2．2 故障检测结果分析

6．3 本章小结

第七章 结论与展望

参考文献

发表论文和参加科研情况说明

致谢