空调系统的应用主要是为了改善室内空气品质、提高室内环境舒适度。多联机系统是常见的空调系统形式之一,由于具有安装方便、高效节能的特点,因此得以广泛应用。正常运行条件下,由于该系统在部分负荷运行时性能很好,故能降低运行能耗,达到节能减排的目的。但如果出现故障,不仅会使能耗增加,还会使设备磨损加快,降低室内舒适性。因此,进行多联机故障检测与诊断是十分重要的,可以使设备高效运行,减少能源浪费。本文主要研究的是多联机气液分离器插反故障检测与诊断。本研究首先介绍了多联机实验系统的结构及数据来源,经过初步选择后的原始数据集包含14个变量。考虑到可能变量间的相关性较高会使变量冗余,因此采用单变量特征选择方法,进行变量重要性排序和相关性分析,最终选择出对模型重要度较高、冗余小的特征子集。该特征子集共包含12个特征变量,利用特征子集建立支持向量机模型,得到测试集的故障诊断准确率在制冷工况下为87.1%,在制热工况下为85.6%。之后采用网格搜索和交叉验证法优化模型参数,优化后模型的故障诊断准确率在制冷和制热工况下分别为93.6%和91.7%。为了证明参数寻优的效果,采用另一种参数寻优方法——粒子群算法来形成对照。使用粒子群算法进行参数优化后的模型在制冷和制热工况下的故障诊断准确率分别为97.9%和96.7%。可见使用粒子群算法的参数寻优效果更好,优化后的模型故障诊断准确率更高,且模型训练时间相比网格搜索法也缩短1/3以上。因此,对于本研究而言,采用粒子群算法进行参数寻优的效果更好。最后对本研究的结论进行归纳总结,得到了更加适合用来进行参数寻优的方法,且粒子群算法优化后的故障检测与诊断模型精确度非常高。同时也指出了研究的不足之处,即数据采集周期不够长和未形成完整的故障检测与诊断体系,这也为以后的研究指明了方向。