故障诊断技术的及在暖通空调中的应用与发展

故障诊断技术的探讨及在暖通空调中的应用与发展摘要：介绍了硬件冗余方法、解析冗余方法、人工神经网络方法各自的原理及特点，描述了基于神经网络的容错控制方法、模糊神经网络在空调故障诊断中的应用以及用神经网络对空气源热泵机组进行故障诊断，最后指出了故障诊断技术中存在的问题。关键字：故障诊断硬件冗余解析冗余人工神经网络1．引言随着大型、超高层、多功能性建筑的不断涌现，供热通风、空气调节系统（HVAC）变得越来越复杂。在这些复杂的空调系统中，往往出现各种故障。故障的存在对空调系统危害极大，它不仅浪费了能源，而且还会影响室内的舒适性，缩短设备的使用寿命。然而，对于日益复杂的空调系统，快速及时地检测、识别系统中出现的各种故障，已远非人力所及。因此，自动故障检测与诊断（AutomationFaultDetectionandDiagnosis，AFDD）系统对空调系统的运行操作越来越重要了。按照故障发生的器件不同，可分为元件故障（ComponentFault）和传感器故障（SensorFault）。元件故障主要是指像风机、水泵、水阀、风阀、制冷机等设备出现的故障。而传感器故障主要是指传感器出现偏差、漂移、精度等级下降及完全失效等故障。传感器的故障一般是不易察觉，因此危害较大。致力于传感器故障的研究越来越多，用于传感器故障诊断的方法也不断涌现。本文主要介绍了三种传感器故障诊断的方法：硬件冗余方法、解析冗余方法、人工神经网络方法，介绍了这三种方法各自的工作原理及特点，阐述如何用神经网络检测和诊断空调系统中的故障及神经网络在故障诊断中的应用情况，最后提出了故障诊断未来研究的一些建议。2．硬件冗余方法硬件冗余方法（HardwareRedundancy）是传感器故障诊断早期的主要方法，它是对容易失效的传感器设置一定的备份，然后通过表决器方法进行管理[1]。硬件冗余方法是由两个，或者三个，或者四个完全一样的，而且是测量相同的被测量的设备构成的，通过对冗余设备的输出量的相互比较，可以验证整个系统输出的一致性。一般来说，双重冗余配置只能判断传感器有无故障，不能确定哪个传感器出现故障；三重冗余配置不但可以判断传感器有故障，而且还可以确定出现故障的传感器。硬件冗余方法的优点是不需要被控对象的数学模型。而且鲁棒性很强，其缺点是设备复杂，体制和重量很大，成本较高。3．解析冗余方法在同一对象上测量不同的量时，各个测量量对被测对象的状态都有影响，因此测量结果之间通常存在一定的联系，我们称之为“解析影响”。解析冗余方法（FunctionalorAnalyticalRedundancy）就是通过建立一个适当的数学模型来表示系统的动态特性，通过比较模型输出同实际系统输出之间的差异来判断传感器是否发生故障，因此也叫模型方法。解析冗余方法就是利用控制系统中各传感器输出之间存在的冗余关系进行故障诊断的，其工作的原理如图1所示。从图1中可以得知解析冗余方法的大致步骤是：（1）模型设计。根据被控对象的特性、传感器的类型、故障类型以及系统的要求等设计出相应的被控对象的数学模型。图1解析冗余方法的故障诊断原理图（2）设计和传感器故障相关的残差。在相同控制量的作用下，传感器输出信号和由模型所得值之差，称为残差。残差中包含了传感器故障的信号，当残差为零时，表示传感器没有故障；当残差不为零时，表示传感器出现故障。（3）进行统计检验和逻辑分析。运用统计检验和逻辑分析方法可以诊断某些类型的传感器故障。解析冗余方法不但能够发现传感器的故障，而且能够定位是哪一个传感器出现故障，还可以估计出现的故障的大小以及严重性。同时，和硬件冗余方法相比，解析冗余方法不需要增加硬件设备，故成本较低。解析冗余方法的缺点是，在系统参数存在不确定性，以及系统参数随时间变化会产生变化，或者系统有未知的输入干扰时，要考虑鲁棒性的问题。使用解析冗余方法时还必须知道被控对象的精确数学模型，这种方法对非线性的、难以得到数学模型的系统是无能为力的。此外，这种方法只能进行故障诊断，不能恢复出现故障的传感器的信号。4．人工神经网络方法（1）神经网络的定义神经网络系统是由大量的、同时也是很简单的处理单元（或称神经元）广泛地互相连接而形成的复杂网络系统。它反映了人脑功能的许多基本特性，但是它不是人脑神经网络系统的真实写照，而是对其作某种简化、抽象和模拟[2]。神经网络的简单结构如图2所示，其中每一个小圆圈表示一个神经元（也称处理单元或节点）。各个神经元之间通过相互连接形成一个网络拓扑，这个网络拓扑的形式称为神经网络的互连模式。神经网络以外的部分，即虚线方框以外的部分，可统称为神经网络系统的环境。神经网络从它所处的环境中吸取信息，对信息进行加工处理后，又返回其所处的环境中去。各个神经元之间的连接不是单纯的传送信号的通道，而是在对每对神经元之间的连接上有一个加权系数，这个加权系数起着生物神经系统中神经元的突触强度的作用，它可以加强或减弱上一个神经元的输出对下一个神经元的刺激。这个加权系数成为权值（或称为连接强度、突触强度）。山（活2蛛）人工神芦经网络的纵结构根人工神经果网络种类岗繁多，其湿中应用得业较多的是斯多层前溃巾神经元网车络它的结跳构如图巩3轨所示，又烛称臂B讽P减模型。从管图麦3句中可知，姨多层神经既元网络是怖由几层组低成的，各护层次的神盘经元之间玩形成了全者互连连接鲁，各层次碌内的神经犯元之间没桨有连接。青接受输入枯信号的层衫叫输入层性，给外界晕提供信号留的层叫输宽出层，其生他的层叫朱隐含层。晃多层前溃活神经网络投采用的是丑著名的误给差反向传位播算法，向其具体的贱算法为朋图糊3失办多层前溃皮神经元网代络结构茫对于输入擦层罩对于输出心层拢第提t+居1沿步的连接滔权的修正毫是宋其中贪：僚p娱表示碰第省p品个样本的里学习过程勿，蒸表示权值功的变化量蛋；许归表示染第滔p破个样本的阴目标输出晚，屿表示修正洽误差；亦表示胡第疯p震样本的实丰际输出，拆表示单天元部j缠的输入总冈和；饿为强第眉I弱个神经元网对尾第和j撕个神经元府的连接权玉；坟为学习效配率；树为势态项穷。种多层前溃护神经网络促通过反向任传播训练录的方法能问够很好地笋近似非线答性映射，卸因此，多滚层前溃神忆经网络得仁到了广泛叛的运用。姨国内外许缎多学者，向如欧Funa穗hash楼i俩、怖Cybe槽nk迷o扭以脚及愉Hoen承i缓k伟就使用不歼同的方法极证明了使帝用多层神牌经元网络雀能够以任五意的精度猛一致地逼帝近子集上价的实连续鸭函数。啦5仿．神经网室络方法在呢故障诊断惯的应用玩图延4蒸为一个需谈求控制通翻风监测控洽制系统，踢它包括了卵测量信号卧滤波器，衣故障检测目与诊断，推新风、送镰风流量恢吵复，室内费人数检测叨器，新风奏流量重设德模块和控桂制器抗[3]钱。需求控流制通风监怖测系统的茅作用是监源控和控制洋空调系统日的新风量给。新风流罚量的羞设定值是哪由新风流沫量重设模壮块设定的厦，我们可角以家用曲PI产D喘控制器调慈整新风阀何、送风阀诚、回风阀贴的位置把抓新风流量睛控制在设影定值的范焰围。新风龙流量传感桥器正常的逝时候，控夫制回路的画反馈信号师就是新风奋流量传感毯器的测量根信号。新惩风流量传山感器出现缘故障的时量候，必须织恢复测量抄信号。在菌线的居住装率探测器废可以探测橡到实际的效居住人数鲁，而这个拥实际居住夸人数按宴照查ASHR阻AE6鸽2班－宜200呈0极的要求，刺用来决定惧新风流量苹的设定值轻。一种基散于人工神冰经网络的尝容错控制锤方法被用畅来监测和筝诊断新风租、送风及毙回风流量喷传感器的锅完全失效病故障或者写软故障，臭同时恢复鲁出现故障温的流量测脱量信号草。批首对于一个壤系统，建丑立它的物必理模型是粥很困难的凤，而神经桥网络正是事一种很好财的模拟空眨气处理单芦元子程序突的方法。俭新风体积罢流量坛（陈υ陈0垃）和由控秒制信号暑（扎u记D办）所描述渔的阀门位慌置、送风武体积流量手（稍υ尊S铸）和回风浓体积流量认（初υ仁Rtn元）存在非代线性关系迫，函数如摇方程竟（企1夫）所示。衫υ蜂0右,眉NN泼＝预f芬NN怀（风u喂D锹，迁υ坟S酷，厚υ勉Rtn侨）突爹（桶1戒）感同样地，册两个神经筝函数可以真用来建立刊方程控（猪1背）的反函霞数，如方劫程拜（陡2末）和方程蛮（宿3觉）所示。蛙υ骡S谁,讯NN母＝藏f贺NN绍（凭u畅D凤，欢υ恳0附，胀υ库Rtn接）梁暑（貌2植）帝υ图Rtn佣,馆NN再＝况f躬NN胸（程u臣D显，背υ旋0励，陕υ惯S敲）医乡（腔3虹）挨上述的三康个神经网遮络模型的扒结构如图黎5迷所示。每谎层神经元独的数目揉为汉3×10陈×打1朱。在实际吊工程的运眨用中，这趣些神经网辆络的训练旬数据是来日自于建筑乘自动化系雾统的各种型正常运行转状态下的饱。质残差可以瞧直接用来距检测相应腐的流量传铸感器的故耕障，表示芽如下。迹R拉0渔篮＝拌爆υ紫0洲,帐NN做－拐牧υ真0畏,兄M亩（挨4河）逝R粗S甩墨＝警来υ芦S乏,竞NN幕－秧树υ南S浅,廊M篮（倡5俊）知R纤Rtn学蚂＝傍员υ吼Rtn着,此NN洁－跃智υ绍Rtn尖,讽M脆（抛6厦）悉其中得：楚R舰禽―旬屑表示残差闸；纵NN愈穴―蝶卷表示在当校前采样间滥隔，神经湖网络使用突测量数据亡和控制信钥号得到的角预测值；铁M盟担―赚桶表示当前舞采样间隔突的测量值胃。竖平均残差搭可以用来轿诊断这三艘个流量传单感器的故去障，因此梦故障能正原确地被识裂别。这个鲁平均残差悼的数学描严述如下所饲示。（7）隙其中袖：愉i纯穗－梦拍表示当前价采样间隔衬；勤－遥酱表示特定叛流量传感侦器的标准蓄偏差；驰0坚，寄1宇，旋2斤苗－边繁分别代表妨正常状态满，软故障昨和完全故淡障。功方程束（叙1桂）和母（叨2国）中显示葬的神经网沈络可以预巧测新风或箩回风流量者的期望值溉。一旦新虚风或回风数流量传感灵器的故障佩被检测到乖，新风流祖量的期望蜜值在反馈冈控制回路勺中用作恢精复的测量土信号，或唉者送风流金量的期望孔值用来检寒测实际的巩室内人数狮和重新设翻定新风流霸量的设定亭值。紫实验结果卷表明，当嫩新风流量盛传感器出俩现完全失井效故障或伴者偏差故融障，基于哪神经网络欧的容错控抖制可以很僚好地满足右需求控制尽通风的控乖制要求和恰取得满意搞的室内空愈气品质，帖同时没有娘增加能源棕的消耗。旬同时实验震也表明了社，在传感篇器出现故哄障的情况尘下，基于趴神经网络道的容错控方制都能在卷室内空气槐品质和能碰源消耗方絮面保持很屿好的平衡皱。印另外，模抽糊逻辑与狗神经网络汗相结合的含模糊神经派网络方法泼可运用于圣空调系统乔的故障诊漂断，其中利网络的输蒙入向量为购,躬每个分量和代表空调含系统不同拒的故障征幅兆。网络角的输出向疲量为，每窜个分量代贵表空调系丑统故障的吊不同模式么[4]删。模糊神窜经网络的龄训练数据给可来自于蜡仿真数据惰也可以来成自于实验性数据。当者模糊神经错网络训练喝稳定后，循就可以运屑用于对应尾空调系统音的故障诊芦断。在其腔运行期间倘，首先输已入经过处川理的现场谁采集信号门，经网络镰运算判断骗，输出结负果向生量所Y陡，尚Y你中各分量赞表示空调吉存在那些拒故障，并鹊且经过优振化算法检户验后，凉用慢Y斯i瞒数值大小皂表示故障炼的最优检往修顺序。笑实验证明坟了，模糊赵神经网络尾适用于空羊调系统的腔故障诊断镰，能够帮半助监测人荣员正确、交及时地识呼别故障，督给出相应裤的解决措塑施，提高贸了空调系皇统运行的副可靠性。削此外，我狐们还可以浸利用神经公网络方法作对空气源幕热泵机组爽的故障进滥行诊断，金通过建望立谜B馋P丈神经网络妨的空气源柱热泵机组挣的故障诊越断模型，滤并用来自锦模拟实验险的征兆实影例和领域每专家的知练识对神经除网络进行栏了训练修[5]吵。诊断结辱果表明，壁对于已学师习过的样踪本知识，蒸网络的输浪出与希望粘结果充分肉相符，基磨于神经网秤络的空气血源热泵冷突热水机组性的故障是慢行之有效赛的。阅在实际应船用当中，仅故障诊断气针对的对涂象一般都凤是具有模缎型难以确熊定、非线环性极强的测特点，这煎些故障都疑是硬件冗氏余方法和帐解析冗余续方法无法沈解决的。侨然而人工愈神经网络般（鉴Arti看fici递alN倚eura拨lNe纺twor暮ks穿缓，榴AN包N李）具有很丰强的非线脊性拟合能奉力，而且宿不需要已酸知系统的钢数学模型斩，人工神茂经网络这惑一特点正仁好解决了粮硬件冗余泼和解析冗辰余方法无胁法解决的腥问题。神由经网络允绪许输入偏均离学习样它本，对外羡界输入信庸息的少量强丢失或网疫络的局部行缺损不太郊敏感，因竞而具有鲁洪棒性，同胀时它具有擦容错能力惰强和运行躲速度快的慨特点。所领以神经网揪络的具有汪巨大的发舒展前景，厌为智能故门障诊断技糖术的研究京开辟了一级条新的道舱路。泉6猾．结锦语摸渔总而言之折，传感器航故障诊断耍的方法很低多，各有知各的优缺偶点。由于新实际系统府的复杂性柜和各种诊犯断方法的摊局限性，场只用一种勿方法来解辜决实际的崭问题几乎门是不可能怖的，因此舒就需要运纪用多种方理法来进行践综合的诊渠断，取长旋补短，更延好地对系烂统中出现信故障的传堤感器进行遇诊断、隔汤离和恢复孔。凶HVA赠C纱系统规模开随着建筑锯规模的加辆大而不断索地加大，冬系统的部筐件种类、氏数量繁多蒸，因而当其故障出现城时，往往麦是多种故氏障同时出晃现。目前抽故障诊断奏的方法大村多数是在厨给定时间没内只出现具一种故障采，所以工面作人员很越难做出正包确的判断披，不能及六时解决出鸣现的故障次。为了解超决此类问逮题，企业欲可以充分联发挥高校妙的科研和殿技术的优领势。通过秆建攻立骡Inte喝rne辆t壮和企逗业早Intr泰ane谣t打共享技术拒、信息资腥源的模式堵，企业用浓电子邮件险通摘过渡Inte虎rne锣t贝进狐入鸟CERN瓶E肥T蛛（中国教辫育和科研