洁净室空调系统的故障诊断

摘要

随着社会的发展和人民生活水平的提高,空调在生产和生活中的应用越来越广泛,其系统也变得越来越庞大复杂,这就导致设备发生故障的概率大大增加。空调系统故障的发生必然会对生活和生产环境产生重大影响。尤其是医药行业的洁净空调系统,由于其应用的特殊性必然导致该空调系统发生故障后会对人民的生命财产造成较大的危害。因此当洁净空调故障发生时如何有效地识别故障就显得尤为重要,仅仅依靠人工排除故障的传统方法会使决策带有很大的主观性,并且由于系统的复杂程度也会耗费大量的人力。
　　 随着人工智能的不断发展,故障检测系统(FDD)已经在航天、医药、电子、材料等行业得到广泛的应用,这使得利用人工智能对洁净空调系统的故障检测成为可能。
　　 本文介绍了洁净空调系统故障诊断技术的重大意义,并对空调系统各种设备的故障检测与诊断的内容和方法进行了描述；详细阐述了空调故障诊断技术在国内外的研究现状、发展方向和存在的问题；对常用的几种故障诊断方法做了分类比较；并在大量的洁净空调故障现场检测的工作中总结出洁净空调系统中常见的五种故障,找出了能够响应故障的七个特征参数；讨论了模糊推理和神经网络结合的必要性及二者的融合方式,利用这种方法使七个特征参数与五种常见故障模式建立对应关系,这种方法结合了模糊逻辑与神经网络各自的优点,避免了由于经验知识的不足,使模糊规则难获取的问题,同时又使神经网络中的知识得到清晰的解释。
　　 利用MATLAB7.0实现了基于模糊神经网络的洁净空调系统故障诊断,在网络的学习训练中,通过比较,选择合适的模糊分割数和学习率等参数,使网络能够较快的达到收敛值。

目录

文摘

英文文摘

第一章 绪论

1.1 洁净空调故障诊断的研究目的

1.2 洁净空调故障诊断的研究意义

1.3 故障诊断的基本概念与常用方法

1.3.1 故障诊断基本概念

1.3.2 故障诊断常用方法

1.4 空调故障诊断的发展与现状

1.4.1 国外HVAC的FDD技术的研究现状

1.4.2 国内故障检测与诊断技术的研究现状

1.4.3 故障检测与诊断技术的发展方向

1.5 本文的主要研究内容

第二章 空调故障诊断的原理

2.1 人工神经网络

2.1.1 神经网络的模型

2.1.2 激活函数

2.1.3 网络训练BP算法

2.1.4 人工神经网络的优缺点

2.2 模糊理论

2.2.1 模糊集

2.2.2 模糊变换

2.2.3 故障原因集

2.2.4 故障征兆集

2.2.5 故障权重集

2.2.6 隶属函数的确定

2.3 本章小结

第三章 洁净空调故障模拟实验系统

3.1 洁净室空调实验系统

3.1.1 洁净室空调系统的简介

3.1.2 洁净室空调系统的常见故障

3.1.3 实验系统

3.1.4 实验方案

3.2 实验结果及分析

3.2.1 特征参数与故障状态的整体关系

3.2.2 各参数在不同运行状态下的变化

第四章 洁净空调系统故障检测的实现

4.1 输入模糊化模块的建立

4.2 神经网络推理模块的建立

4.2.1 网络层数

4.2.2 每层神经元数

4.2.3 每层激活函数及学习速率

4.2.4 初始权值的选取

4.2.5 输入输出矢量的确定

4.2.6 利用MATLAB实现

4.3 输出清晰化模块

4.4 模糊神经网络的验证

第五章 结论及展望

5.1 结论

5.2 展望

参考文献

发表论文和科研情况说明

致谢