论文部分内容阅读
为了给地铁车站营造安全、舒适的乘车和工作环境,车站内引入了通风空调系统,冷水机组的作用是为车站空调提供冷源。在机组的日常运行中,会出现各种各样的故障,如果不及时解决,必然会导致通风空调系统的设定参数偏离预设值,给乘客带来不舒适感,还会增加地铁站的能耗,缩短设备的使用寿命。如何保障冷水机组高效运行,已成为该领域的研究热点。本文以地铁站冷水机组为研究对象,针对其过程数据存在的非高斯性、非线性的特点,深入研究了基于独立成分分析(Indpendent Component Analysis,ICA)和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)的故障检测与诊断(Fault Detection and Diagnosis,FDD)方法。主要做了以下几方面的研究:(1)基于ICA的冷水机组故障检测方法研究针对冷水机组过程变量不能严格服从高斯分布,且大量变量之间存有严重相关性的特点,研究一种基于ICA的冷水机组故障检测方法。运用该方法提取高维数据中的独立成分,构造监控统计量,实施故障检测。最后,通过ASHRAE1043-RP的实验数据验证了该方法的有效性,并与PCA进行对比,结果表明:基于ICA的检测模型具有良好的故障检测性能,对早期故障具有非常好的敏感性,能有效的降低误报率。(2)基于改进FastICA的冷水机组故障检测方法研究针对传统Fast ICA对初始值选择的敏感问题,研究一种基于改进的FastICA算法的冷水机组故障检测方法。在传统FastICA的基础上,引入松弛因子,改变了原迭代方式,降低算法对初始值的依赖性;用改进的Fast ICA算法提取的冷水机组过程数据的独立成分,构建统计量,进行故障检测。通过ASHRAE 1043-RP的实验数据对改进后的方法与传统方法进行对比验证,结果显示:改进后的FastICA算法降低了算法对初始值的依赖性,提高了故障检测的准确率。(3)研究一种基于ICA-LSSVM的故障诊断方法冷水机组变量间相关性严重,故障时的症状和原因又呈现多样性,导致了冷水机组的故障诊断较为困难。针对该问题,研究一种基于ICA-LSSVM的冷水机组故障诊断方法。运用ICA提取冷水机组变量的独立元信息,再将其作为LSSVM分类器的输入值进行故障识别,最后,通过ASHRAE 1043-RP的实验数据验证该模型的诊断性能,并与传统的故障诊断方法进行对比。结果表明:该方法不仅提高了故障诊断效率,还加快了计算速度。(4)冷水机组故障模拟实验在北京某高校的地铁实训平台中进行故障模拟实验,选用一台额定制冷量为173kW的水冷活塞式冷水机组为研究对象,模拟制冷剂泄漏、冷却水量不足等故障。分析实验数据,并对基于ICA-LSSVM的FDD模型进行验证,结果显示,基于ICA的检测模型具有良好的故障检测性能,对早期故障具有非常好的敏感性。而基于ICA-LSSVM的故障诊断方法能有效的提取数据的高阶统计信息,降低数据的冗余性,提高了故障诊断效率。