基于Kriging模型的冷水機(jī)組故障檢測(cè)與診斷方法

陳友明 姜長(zhǎng)亮++陳霆英俊??

摘要：提出應(yīng)用Kriging模型對(duì)冷水機(jī)組進(jìn)行故障檢測(cè)與診斷（FDD），采用ASHRAE RP1043項(xiàng)目中無(wú)故障運(yùn)行數(shù)據(jù)建立并驗(yàn)證冷水機(jī)組Kriging模型.利用參數(shù)敏感性原理對(duì)比T統(tǒng)計(jì)方法和指數(shù)加權(quán)移動(dòng)平均（EWMA）方法，對(duì)比結(jié)果表明，EWMA方法提高了參數(shù)敏感性.結(jié)合Kriging模型、EWMA方法和故障診斷規(guī)則表，用實(shí)測(cè)故障數(shù)據(jù)對(duì)冷水機(jī)組故障進(jìn)行檢測(cè)與診斷，檢測(cè)和診斷的故障包括冷凝器結(jié)垢、制冷劑充注過多、制冷劑泄漏、不凝性氣體、冷凍水流量減少和冷卻水流量減少6個(gè)故障.診斷結(jié)果表明，應(yīng)用Kriging模型能夠準(zhǔn)確有效地檢測(cè)與診斷冷水機(jī)組不同水平的故障.

關(guān)鍵詞：Kriging模型；冷水機(jī)組；故障檢測(cè)；故障診斷

中圖分類號(hào)：TU831.4 文獻(xiàn)標(biāo)識(shí)碼：A

冷水機(jī)組的運(yùn)行狀況，對(duì)室內(nèi)環(huán)境的舒適度，以及對(duì)空調(diào)系統(tǒng)能耗影響很大.2009年宏觀建筑全壽命周期能耗為12億噸標(biāo)準(zhǔn)煤，占全國(guó)能源消費(fèi)總量的39.5%，占全社會(huì)終端能源消費(fèi)的41.4%.暖通空調(diào)系統(tǒng)能耗占整個(gè)建筑能耗的65%，冷水機(jī)組的運(yùn)行能耗占該比例的40%～50%.因此，從能耗方面考慮，冷水機(jī)組無(wú)故障運(yùn)行意義重大.出現(xiàn)故障后，機(jī)組的運(yùn)行效率降低，所以國(guó)內(nèi)外許多學(xué)者致力于FDD方法的研究.Chen等[1]將主元分析法應(yīng)用到空氣源熱泵冷水機(jī)組/加熱器的故障檢測(cè)中.Zhou Qiang [2]，梁志文[3]等提出了應(yīng)用模糊建模和人工神經(jīng)網(wǎng)絡(luò)的策略.趙云峰等[4]提出應(yīng)用回歸模型到離心式冷水機(jī)組FDD中.Yang Zhao等[5]提出EWMA方法結(jié)合支持向量回歸的FDD策略.冷水機(jī)組的FDD中，現(xiàn)有方法主要為多元線性回歸和神經(jīng)網(wǎng)絡(luò).多元線性回歸建模過程簡(jiǎn)單易實(shí)現(xiàn)，但是存在一定缺陷，它在處理高度非線性的多高維問題時(shí)，擬合精度受到限制，擬合結(jié)果不理想.神經(jīng)網(wǎng)絡(luò)模型是一種非參數(shù)化模型，建模過程對(duì)操作者來(lái)說是不可知的，是一種“黑箱”效應(yīng)，這種“黑箱”效應(yīng)導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型無(wú)法判斷各輸入因素的影響大小.Kim B S等[6]指出同回歸和Kriging比較，神經(jīng)網(wǎng)絡(luò)中的SVR和RBF計(jì)算結(jié)果的魯棒性較差.

為了提高FDD正確率，改善機(jī)組的運(yùn)行狀況，文章提出建立Kriging模型到冷水機(jī)組FDD中.Kriging模型是半?yún)?shù)化的模型，不需要建立一個(gè)特定的數(shù)學(xué)模型，相對(duì)于參數(shù)化模型，其應(yīng)用就更加的靈活和方便[7].其中Kriging模型未對(duì)未知函數(shù)形式做任何限制；能自適應(yīng)調(diào)整各樣本點(diǎn)權(quán)值的分配；考慮了回歸誤差項(xiàng)的空間相關(guān)性，近似面質(zhì)量非常高.Giunta和Watson[8]分別以1，5和10個(gè)變量對(duì)比了參數(shù)化多項(xiàng)式技術(shù)（RSM）和半?yún)?shù)化的插值Kriging技術(shù)，通過對(duì)比，Kriging方法有更好的計(jì)算性能.本文利用敏感性參數(shù)比較T統(tǒng)計(jì)和EWMA方法，結(jié)合EWMA方法和Kriging模型，以及故障診斷規(guī)則表對(duì)冷水機(jī)組實(shí)測(cè)故障數(shù)據(jù)進(jìn)行故障的檢測(cè)與診斷.

4結(jié)論

1）本文采用無(wú)故障運(yùn)行數(shù)據(jù)建立冷水機(jī)組Kriging模型，根據(jù)參數(shù)敏感性原理，分別用T-統(tǒng)計(jì)方法和EWMA方法計(jì)算特性參數(shù)LMTDcd和εsc的敏感性，對(duì)比結(jié)果表明EWMA方法提高了特性參數(shù)敏感性.因此本文結(jié)合Kriging模型和EWMA方法檢測(cè)和診斷故障.

2）診斷結(jié)果為，冷凝器結(jié)垢四個(gè)故障的診斷正確率分別為23.3%，36.9%，94.9%，100%，診斷錯(cuò)誤率分別為8.5%，0，0，0.制冷劑泄漏4個(gè)水平的診斷正確率分別為64.5%，57.4%，100%，100%，錯(cuò)誤率分別為9.5%，0，0，0.就錯(cuò)誤率而言，水平1大于水平2，因此，診斷效果水平2更好.制冷劑充注過多、不凝性氣體、冷凍水流量減少和冷卻水流量減少的四個(gè)故障水平診斷正確率均為100%.

3）從診斷結(jié)果中看出，隨著故障水平的增加，診斷效果越來(lái)越好，各水平的正確率較高，對(duì)于冷凝器結(jié)垢和制冷劑泄漏，水平1有較低的錯(cuò)誤率.在各故障診斷的結(jié)果中，水平2、水平3和水平4的錯(cuò)誤率均為0，進(jìn)而得出結(jié)論，應(yīng)用Kriging模型和EWMA方法到冷水機(jī)組FDD中，診斷結(jié)果更可靠，可以更準(zhǔn)確有效地檢測(cè)與診斷冷水機(jī)組的故障.

參考文獻(xiàn)

[1]CHEN Youming， LAN Lili. A fault detection technique for airsource heat pump water chiller/heaters[J]. Energy and Buildings， 2009，41（8）：881-887.

[2]ZHOU Qiang，WANG Shengwei.A novel strategy for the fault detection and diagnosis of centrifugal chiller systems[J]. HVAC&R Research， 2009，15（1）：57-75.

[3]梁志文，胡嚴(yán)思，楊金民.基于FTA與BAM神經(jīng)網(wǎng)絡(luò)融合的飛機(jī)故障診斷方法[J].湖南大學(xué)學(xué)報(bào)：自然科學(xué)版， 2013，40（5）：61-64.

LIANG Zhiwen， HU Yansi， YANG Jinmin. An aircraft fault diagnosis scheme based on integration of FTA with BAM neutral networks [J]. Journal of Hunan University： Natural Sciences， 2013，40（5）：61-64. （In Chinese）

[4]趙云峰，胡孟娣，陳友明.基于運(yùn)行數(shù)據(jù)的冷凝器結(jié)垢故障檢測(cè)與診斷研究[J].暖通空調(diào)，2013，43（7）：117-120.

ZHAO Yunfeng， HU Mengdi， CHEN Youming. Condenser scaling fault detection and diagnosis based on operating data[J]. Journal of HV&AC， 2013，43（7）：117-120. （In Chinese）

[5]YANG Zhao， WANG Shengwei. A statistical fault detection and diagnosis method for centrifugal chillers based on exponentiallyweighted moving average control charts and support vector regression[J]. Applied Thermal Engineering， 2013，51（1/2）：560-572.

[6]KIM B S， LEE Y B. Comparison study on the accuracy of metamodeling technique for nonconvex functions[J]. Mechanical Science & Technology， 2009， 23（4）：1175-1181.

[7]高月華.基于Kriging代理模型的優(yōu)化設(shè)計(jì)方法及其在注塑成型中的應(yīng)用[D].大連：大連理工大學(xué)工程力學(xué)系， 2009：18-23.

GAO Yuehua. Optimization methods based on Kriging surrogate model and their application in injection molding[D]. Dalian：Deparment of Engineering Mechanics in Dalian University of Technology， 2009：18-23. （In Chinese）

[8]GIUNTA A A， WATSON L T. A comparison ofapproximation modeling techniques： polynomial versus interpolating models[C]// Proceedings of the 7th AIAA /USAF /NASA /ISSMO Symposium on Multi disciplinary Analysis and Design. Reston， VA.，USA： AIAA Inc.， 1998：392-404.

[9]張維剛，劉暉.Kriging模型與優(yōu)化算法在汽車乘員約束系統(tǒng)仿真優(yōu)化中的應(yīng)用研究[J].湖南大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，35（6）：23-26.

ZHANG Weigang， LIU Hui. Occupant restraint system simulation design optimization based on Kriging model and optimization method[J]. Journal of Hunan University： Natural Sciences， 2008，35（6）：23-26. （In Chinese）

[10]邱潤(rùn)之.關(guān)于EWMA模型的參數(shù)研究[J]. 南京郵電學(xué)院學(xué)報(bào)，1998，9（4）：102-105.

QIU Runzhi. A research of parameter of EWMA model[J]. Journal of Nanjing Institute of Posts and Telecommunications， 1998，9（4）：102-105. （In Chinese）

[11]CUI Jingtan， WANG Shengwei. A modelbased online fault detection and diagnosis strategy for centrifugal chiller systems[J]. International Journal of Thermal Sciences，2005，44（10）：986-999.

[12]FU Xiao. A fault detection and diagnosis strategy with enhanced sensitivity for centrifugal chillers[J].Applied Thermal Engineering， 2011，31（17）：3963-3970.