499-基于DR-BN的冷水机组故障检测.pdfVIP

基于DR-BN 的冷水机组故障检测 河南科技大学制冷与空调研究所 王占伟 王林 梁坤峰 谈莹莹 摘 要：在冷水机组现场，通常正常运行工况下的数据可轻易获得，而故障数据通常是 匮乏的。针对这一现象，通过将距离拒绝（DR）机制融入贝叶斯网络（BN）中，将冷水机组 故障检测转化为一类划分问题，提出一种基于DR-BN 的冷水机组故障检测方法，该方法仅使 用正常数据训练模型，从而有效克服上述障碍。使用ASHRAE RP-1043 的故障实验数据对提 出方法的性能进行验证，并与传统方法的性能进行了比较。 关键词：冷水机组；故障检测；距离拒绝；贝叶斯 0 引言 将故障检测与诊断技术应用于暖通空调 （HVAC ）系统，及时发现故障并予以排除，对 维持室内环境舒适度、减少设备损耗、节约能源具有重要意义。据统计，HVAC 系统发生故 障带来的能耗增加高达30%[ 1] ，通过成功实施故障检测、诊断与优化，可降低 10-40% 的空 调系统和20-30%的建筑能耗[2] 。 冷水机组是暖通空调系统中耗能的主要设备。冷水机组故障检测与诊断已被广泛研究， 许多方法被提出[3-6] 。实际现场中，通常冷水机组大部分时间运行在正常工况下，用户或厂 家往往不太情愿在他们的机组上进行故障模拟实验。这导致获得冷水机组正常运行工况下的 数据是容易的，而获得足够数量和质量的故障数据是相当困难的。这也导致基于多类划分机 制的故障检测与诊断方法在不能获得完备数据集的情况下的应用受限。而一类划分机制解决 了多类划分对不包含在训练集中的故障模式错误诊断的问题。 实际上，冷水机组故障检测是一个复杂的推理过程，且故障检测过程存在着诸多不确定 性。基于概率推理的贝叶斯网络（BN ）是目前不确定知识表达和推理最有效的模型[7] 。将 BN 应用到故障检测中，具有两大优点：1）BN 以概率论为基础，适用于存在诸多不确定性 的故障检测；2 ）基于开放式的网络结构，BN 有强大的信息融合能力，可以融合不同的机 制增强自身的功能。HVAC 系统的故障诊断中，Najafi 等人[8] [9] 和Wall 等人 使用BN 诊断 空气处理机组的故障；Zhao 等人[10]分别针对冷水机组故障和空气处理机组故障构建了基于 BN 的诊断方法；Wang 等人[12]基于BN 对冷水机组故障特征进行了选择。 为了使用BN 将冷水机组故障检测转化成一类划分问题，在BN 中融入距离拒绝（DR ） 的机制。DR 的具体作用是确定故障为假时传感器测量参数的概率分布。针对冷水机组故障 检测提出了一种基于DR-BN 的方法。 1 贝叶斯网络 贝叶斯网络由结构和参数两部分组成。它的结构是一个有向无环图，其中的节点代表随 机变量，每个变量有若干个状态（如true 和false ），每个状态代表一个事件，当一个事件发 生，就成为一个证据。贝叶斯网络的结构通过节点之间的有向弧定性地描述节点之间的依赖 关系，有向弧始于父节点，终于子节点，贝叶斯网络中，没有父节点的节点为根节点。贝叶 斯网络通过它的参数定量地描述节点之间的依赖关系。贝叶斯网络的参数包括所有根节点在 所有可能状态下的先验概率和所有子节点在给定父节点状态下的条件概率表（CPT ）。 基金项目：国家自然科学基金项目（No，No.U1504524 ） 王占伟，1987 年9 月生，博士，讲师；471023 洛阳市开元大道263 号；E-mail ：wzhanweisunshine@163.com 贝叶斯网络的推理是一个计算后验概率P (Q E e) 的过程，而在故障检测中， 表示 Q 正常工况或某种故障，e 表示一个或一组观测到的征兆。观测到的征兆就成为一组证据，输 入贝叶斯网络后，贝叶斯网络中的概率即被更新，其中未观测到的节点的状态的后验概率就 被计算。这个过程称为推理。 故障检测可看成是一类划分问题，所谓一类划分是通过对目标类的数据进行描述，接受 自己类的数据，拒绝其它类的数据，最大可能地将它与其他所有类区分出来。一类划分解决 了多类划分对不包含在训练集中的故障诊断错误的问题。图2 显示了一个由两个特征表征的 一类