论文部分内容阅读
作为一种常见的暖通空调系统,多联机由于节能高效、运行可靠、控制灵活、噪音较低和便于安装等优势,在各种建筑中获得了广泛的应用。而在实际运行中,机组运行工况往往较为复杂,多联机不可避免地会发生各种典型故障,而制冷剂泄漏即是多联机的一种典型故障,多联机制冷剂泄漏会引起机组的节能性、用户舒适性、经济性乃至安全性的降低。因此,对多联机的典型故障,包括制冷剂泄漏,进行有效、在线的故障检测与诊断,就十分重要。故而,本文主要进行了多联机制冷剂泄漏故障诊断的有关研究。
介绍了多联机制冷剂泄漏的实验系统和数据来源,在对实验数据进行预处理后提取了13个特征变量,并建立了虚拟制冷剂充注量VRC模型,可用于在多联机制冷剂泄漏的过程中在线监测机组制冷剂状态,并对制冷剂状态进行了分类,也对实验数据进行了优化。根据CART算法的基本原理,以Gini指数和系统不纯度增益为依据,构建了决策树模型,并将提取的特征变量代入其中,对多联机制冷剂泄漏进行了故障检测与诊断,结果表明,该决策树模型符合多联机制冷剂泄漏的理论分析和实际情况,且诊断正确率较高,为94.31%,而去除机组化霜数据之后,诊断正确率再次提高至97.39%。
提出了将结构方程模型应用于多联机制冷剂泄漏故障诊断的研究之中,建立了基于SEM-PCA-CART算法的多联机制冷剂泄漏的故障诊断模型及策略,即利用实验数据和选取的显变量、潜变量构建结构方程模型,分析了各变量之间的相互关系以及变量与机组制冷剂状态之间的关系,结果显示结构方程中变量与机组制冷剂状态关系的紧密程度与决策树中变量重要度一致,也符合多联机制冷剂泄漏的理论分析和实际情况,即该模型可以较好地应用于多联机制冷剂泄漏故障诊断的研究之中。再将结构方程模型中与机组制冷剂状态关系紧密的显变量簇,代入主元分析,构建专家变量,并代入决策树模型中,进行在线故障诊断,诊断正确率达到96.96%,而去除机组化霜数据之后,诊断正确率再次提高至97.89%。
总而言之,提出了基于SEM-PCA-CART算法的多联机制冷剂泄漏的故障诊断模型,诊断正确率较高,可以有效地对多联机制冷剂泄漏进行故障诊断。并且本文将结构方程模型引入制冷空调系统的故障诊断研究之中,而结构方程的引入,可以有效分析各变量之间以及变量与机组制冷剂状态之间的关系,可以指定显变量簇用于专家变量的构建,从而提高故障诊断的正确率。
介绍了多联机制冷剂泄漏的实验系统和数据来源,在对实验数据进行预处理后提取了13个特征变量,并建立了虚拟制冷剂充注量VRC模型,可用于在多联机制冷剂泄漏的过程中在线监测机组制冷剂状态,并对制冷剂状态进行了分类,也对实验数据进行了优化。根据CART算法的基本原理,以Gini指数和系统不纯度增益为依据,构建了决策树模型,并将提取的特征变量代入其中,对多联机制冷剂泄漏进行了故障检测与诊断,结果表明,该决策树模型符合多联机制冷剂泄漏的理论分析和实际情况,且诊断正确率较高,为94.31%,而去除机组化霜数据之后,诊断正确率再次提高至97.39%。
提出了将结构方程模型应用于多联机制冷剂泄漏故障诊断的研究之中,建立了基于SEM-PCA-CART算法的多联机制冷剂泄漏的故障诊断模型及策略,即利用实验数据和选取的显变量、潜变量构建结构方程模型,分析了各变量之间的相互关系以及变量与机组制冷剂状态之间的关系,结果显示结构方程中变量与机组制冷剂状态关系的紧密程度与决策树中变量重要度一致,也符合多联机制冷剂泄漏的理论分析和实际情况,即该模型可以较好地应用于多联机制冷剂泄漏故障诊断的研究之中。再将结构方程模型中与机组制冷剂状态关系紧密的显变量簇,代入主元分析,构建专家变量,并代入决策树模型中,进行在线故障诊断,诊断正确率达到96.96%,而去除机组化霜数据之后,诊断正确率再次提高至97.89%。
总而言之,提出了基于SEM-PCA-CART算法的多联机制冷剂泄漏的故障诊断模型,诊断正确率较高,可以有效地对多联机制冷剂泄漏进行故障诊断。并且本文将结构方程模型引入制冷空调系统的故障诊断研究之中,而结构方程的引入,可以有效分析各变量之间以及变量与机组制冷剂状态之间的关系,可以指定显变量簇用于专家变量的构建,从而提高故障诊断的正确率。