FDD简述.pptVIP

主要内容 一.FDD分类及发展现状 1.HVAC常见故障分类 一.FDD分类及发展现状 2.FDD分类 一.FDD分类及发展现状 3.国内研究现状 二.FDD方法简述 1.主成分分析法 二.FDD方法简述 1.主成分分析法 二.FDD方法简述 2.BP神经网络 二.FDD方法简述 2.BP神经网络 三.当前问题 1.当前HVAC系统故障检测与诊断多是对故障类型进行定性。较少有研究对故障的严重程度以及故障对系统舒适性、COP的影响进行量化研究。 * LOGO “ Add your company slogan ” * HVAC系统故障检测与诊断研究 简述 当前问题 FDD方法简述 FDD分类及发展现状 1 2 3 ①按故障性质分 自然故障 人为故障 ②按故障程度分 硬故障 软故障 ③按故障发生器件分 组件故障 传感器故障 ④按故障发生位置分 水侧故障 空气侧故障 制冷剂侧故障 故障诊断步骤： 故障检测 故障识别 故障评价 故障决策 ①按诊断性质分 调试诊断（主动） 监视诊断（被动） ②按诊断推理方法分 从上到下（top-down） 从下到上（botton-up） ③按故障的有哪些信誉好的足球投注网站类型分 拓扑学诊断方法（topologic） 症状诊断方法（symptomatic） 故障检测与诊断方法 基于信号处理的方法 基于知识的诊断方法 基于数学模型的方法 or 定性分析 定量分析 基于改进的神经网络和主元分析模型对空调系统传感器故障进行研究 李冬辉 天津 大学 主要基于主元分析法、专家系统、神经网络与累积和控制图等方法对暖通空调系统多种故障进行检测与诊断 陈友明 湖南 大学 基于神经网络数据处理的空调故障检测与诊断 基于平衡模型的小波神经网络诊断方法 杜志敏 基于主元分析和质量能量守恒法的传感器故障诊断方法 基于数理统计的在线故障诊断方法 晋欣桥 上海交通大学 基于小波变换的主元分析法对传感器故障进行检测、诊断及重构 基于主元分析法的离心式制冷剂传感器的故障诊断 徐新华 基于主元分析法与神经网络对空调系统的制冷系统和空气侧进行故障诊断研究 王盛卫 香港理工大学 题目 作者 机构 常用故障诊断方法主要为主元分析、神经网络、小波分析、卡尔曼滤波等定量分析方法。上述分析方法适用于有大量历史数据的系统，或需要建立精确的解析模型，有一定局限性。 主成分分析法主要是通过对系统变量的协方差矩阵进行特征分解，构造出有原变量线性组合而成的新的组合变量（主成分）。然后在保证系统信息尽可能损失少的前提下，选取一定数量的主成分对原系统进行近似。既提取原变量之间的基本关系，又降低系统维度。 训练矩阵 协方差矩阵 最优主成分数 分解 特征向量 特征值 PCA建模： 1）对原始数据进行筛选及标准化处理 2）计算变量的协方差矩阵 零平均化处理后( 的每一列减去该列的平均值) 3）对 进行分解，求得特征值及其所对应的单位特征向量矩阵P 4）确定最优的主成分数l(最小化不可重构方程) 5）根据l选取载荷矩阵 6）由 计算投影矩阵 和 1）新的测量数据样本分解成两部分： 测量数据正常值： 测量噪声： 2）统计量平均预测误差： 的置信限为： 其中 为标准正态分布的 置信限 若 ，系统正常 若 ，系统故障 1）BP神经网络训练 输入p个学习样本 对应的教师 实际输出 学习算法是用实际的输出 与 的误差修正其连接权值和阀值，使 和 尽可能接近。 设 为迭代次数，权值和阀值修正公式为： η为步长，δ为局部梯度 总误差 时，停止迭代。连接权值和阀值训练完毕。 2）BP神经网络故障诊断推理（数据驱动的正向推理策略）步骤： ①将故障样本输入给输入层各节点，并将其作为该层神经元的输出； ②求出隐层神经元的输出作为输出层的输入； ③求出输出层神经元的输出； ④由阀值函数判定输出层神经元的最终输出结果。 目前解决的主要思路：把N个同时发生故障解耦为互不相关的N个单独发生的故障进行检测、诊断。但HVAC系统故障之间多互为影响 2.当前HVAC系统故障检测与诊断方法在对复合故障进行检测和诊断时还有相当困难。 *