论文部分内容阅读
建筑能耗在社会能耗中的比重在逐渐上升,而空调系统能耗是建筑能耗的重要组成部分,及时有效的排除空调系统的故障不仅可以维持舒适的室内环境、保证生产的正常进行,而且能减少设备的能耗。作为空调系统的核心,空调主机能耗占整个系统运行能耗的55%左右,主机“带障运行”造成的危害远大于其它空调系统附属设备,并且故障的排除往往靠设备厂家的专家赶赴现场进行,导致故障的排除费时又费力,因此,实现空调主机故障的智能监测与诊断具有较高的研究价值。以离心式冷水机组为例,结合神经网络与专家系统各自在故障诊断中的优点,提出基于BP神经网络的专家系统用于离心式冷水机组的故障诊断,基于论文的可行性,选用机组的7种典型故障作为研究对象,并确定表征故障的故障征兆参数。考虑到BP网络初始权/阀值是随机选择,使网络较易获得局部最小解,而且需要比较长的学习时间,而遗传算法具有较强的全局搜索能力,因此采用遗传算法作为网络初始权/阀值的确定并进行实验,结果表明,用遗传算法优化后的BP网络能更快的收敛。最后,采用MATLAB和VB混编技术开发出用户界面友好、操作简单的离心式冷水机组智能故障诊断系统。