暖通空调系统故障诊断研究现状与发展趋势

暖通空调系统故障诊断研究现状与发展趋势
发表时间：2019-06-17T08:58:46.853Z 来源：《建筑模拟》2019年第16期作者：刘雨阳1 闫秀英1 范凯兴2
[导读] 本文介绍基于模型、神经网络和主元分析三种故障诊断技术以及其发展状况，并总结了三种方法的优缺点和未来研究发展方向；最后，对暖通空调故障诊断的发展做出展望。

刘雨阳1 闫秀英1 范凯兴2
1.西安建筑科技大学建筑科学设备与工程学院西安 710048
2.西安建筑科技大学建筑学院西安 710048
摘要：本文介绍基于模型、神经网络和主元分析三种故障诊断技术以及其发展状况，并总结了三种方法的优缺点和未来研究发展方向；最后，对暖通空调故障诊断的发展做出展望。

关键词：暖通空调系统；故障诊断；模型；神经网络；主元分析
1.引言
随着暖通空调（Heating Ventilating and Air Conditioning，HV AC）系统越来越广泛的应用，在愈加庞杂的暖通空调系统中，往往会产生各种各样的故障，使得故障检测与诊断（Fault Detection and Diagnosis，FDD）系统越来越成为空调系统中必不可少的组成部分。

系统中故障诊断技术的应用不仅对设备检修与维护起到很大帮助，同时，经过理论分析与实际数据表明，通过实施故障检测与诊断优化暖通空调系统的运行，可以降低20%～30%的建筑能耗，减少10%～40%的空调系统能耗。

2.国内外研究发展现状
2.1基于模型（model-based）的故障诊断
基于模型的故障诊断方法是随着解析冗余思想的提出而形成的诊断方法，它是由De Kleer等人于1987年提出。

此法是通过建立诊断对象的观测形态模型，并利用待诊断对象的预测模型与其之间的比较进行故障诊断。

如Panayiotis. M等人采用一种基于模型的方法诊断暖通空调系统中传感器故障，提出了分布式故障诊断结构，使故障诊断更加高效、全面。

Hadi Shahnazari等人提出了一种针对变风量箱的故障检测和隔离容错控制的集成框架，用于检测和隔离多个执行器和传感器的故障。

此方法优点在于诊断系统无需根据专家经验和案例，通过对系统的建模过程能对整个系统有完整详尽的认识，对子系统中的故障可较为准确的定位。

但其缺点是需要较多的传感器数据作为建模基础，难以考虑传感器自身故障，但实际应用中传感器故障也在所难免，容易对诊断结论产生较大影响。

2.2基于神经网络（neural-network）的故障诊断
人工神经网络起源于1943年，由心理学家W S McCulloch和数学家W Pitts所提出的M-P模型。

利用自有的分类属性可对故障进行分类，再根据分类结果对故障进行诊断与检测；如梁晴晴等人针对冷水机组故障，建立基于误差反向传播（Back Propagation，BP）神经网络诊断模型，通过优化模型，得出优化前后故障诊断的总体正确率及各类故障的诊断结果。

Du Zhimin等人提出了一种基于双神经网络的空气处理单元送风温度控制回路中传感故障的检测方法，同时分析了每个神经网络的虚报、漏失报警和检测时间。

此方法优点包括：（1）根据其训练网络与实测数据进行对比，可准确地确定故障类型；（2）神经网络可对故障信号进行模式变换和特征提取的同时可有效排除干扰。

但由于是利用输入信号在系统中传递，之后收集信号与正常数据进行对比分析，在信号传递过程中难免发生振荡或者收敛，这对数据的正确性会产生一定的影响。

2.3基于主元分析法（principle-component-analysis）的故障诊断
主元分析法最早由Pearson于1901年正式提出。

基于主元分析（principle component analysis，PCA）的故障诊断方法本质是利用数据驱动进行故障诊断。

如王普等人提出一种基于主元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法，有效提取数据的高阶统计信息，提高故障诊断效率。

张弘韬等人结合热平衡原理以及多联机运行的控制逻辑，建立多联机传感器的故障分析模型，然后结合主元分析的算法原理，给出故障检测与诊断流程并验证其可靠性。

此方法优点在于两方面：（1）此法在保留关键原始数据信息和过滤噪声的基础上对数据降维处理；（2）此法自身无任何参数限制，无需设定参数或建立经验模型进行干预。

同时，此法也存在自身不足。

其一，利用主元分析法构造的模型属于静态模型，只能针对某一工况点；其二，此法不能进行完整的故障诊断与识别，需借助其他方法对故障进行识别。

3.故障诊断发展趋势
（1）对象多样化，内容新颖化
就目前研究现状来看，研究对象都集中在对单一对象的研究，往往造成某一处故障诊断能力得到明显的提高，而整个系统的故障诊断能力并未有多大改进，甚至还会影响其他装置的诊断检测。

故障诊断对象和内容应更多地转向复合故障，针对复合故障诊断中存在互相关问题和解耦问题做以深入研究。

对子系统进行故障诊断，可引入一个或者多个性能指标来表征其操作性能，构建子系统的基准模型，最终利用合适的诊故障诊断技术对子系统进行故障诊断；随着计算机技术的提高和软硬件成本的下降，建立模型应由最初的黑箱模型向物理模型发展，这样更利于建模后的运算和仿真。

（2）方法智能化，角度多元化
目前较为常用的诊断技术主要是通过建模分析、数据对比，即所谓的定量检测。

定量分析方法往往需要建立一个庞大的数学模型作为支撑保障。

为了弥补定量分析的不足，需要引入定性分析方法。

通过对定性分析可使得故障诊断整个分析过程较为简化，且它所反馈的结果也更加具体和直观。

针对现有的研究方法和角度，结合人工智能领域具有可实现化的方法，基于人工智能的故障诊断技术未来的发展趋势可概括为集成化、高精度化、智能化和网络化，通过引入更多的先验信息和隐性故障征兆，使用模糊或概率估计的方法推断和处理诊断信息，从而领域专家能够高效检测和诊断故障。

（3）应用价值化，推广普及化
就目前实际情况来看，应用与推广方面还存在诸多局限性，最为突出的是其经济性和覆盖性。

经济性是限制故障诊断发展推广的重要因素，将现有的多种故障检测技术进行改进和融合，降低或避免故障检测诊断方面的附加投入。

普及性则是如何利用一套故障诊断系统普及整个空调设备进行即时故障检测。

传感器是故障诊断中的核心元件，同时也是产生故障的高危器件，传感器性能及技术的提高对故障诊断起到至关重要的作用。

推广方面，更加注重诊断效率和精度；同时，将故障检测与能耗相结合，更能凸显进行故障诊断的现实意义和价
值。

4.结语
本文主要综述了三种常见的暖通空调系统故障诊断方法，分别从发展历史、研究现状、自身优缺点和发展趋势四个方面论述。

同时，从研究对象、研究方法和角度、应用和推广这三个方面对暖通空调故障诊断与检测做出了一个较为全面的发展趋势展望，对其发展提出了一些设想。

综上所述，暖通空调系统作为一个复杂的多变量系统，故障诊断与检测对其整个系统来说必不可少。

一方面，通过不断提高故障诊断技术使暖通空调的故障诊断与检测过程中故障定位更加精确，故障诊断更加便捷，故障排除更加全面；另一方面，在不断提高故障诊断技术的同时，对暖通空调系统会有进一步的提高，使空调设备更加人性化和智能化。

作者简介：
刘雨阳（1994-），男，汉族，陕西宝鸡，无，在读硕士研究生，暖通空调故障诊断与节能，西安建筑科技大学，陕西省，西安市，710048。