在空调制冷领域,空调系统被控制对象是一个复杂的热力系统,计算机与网络信息技术的飞速发展使得空调监控数据急剧增加,并且由于人的参与使空调系统中的不确定性更加显著。各种控制行为都需要操作人员的参与,而操作人员必须能够通过处理不同类型的数据信息对大多数不同的要求做出有效的决策反映。　　 决策支持系统的决策能力起决定性影响的因素是系统拥有的知识。数据挖掘技术能够发现隐藏在数据之中的潜在规律,提取有用知识；另外在空调领域已经积累了大量的领域知识,如何获取潜在知识和发挥领域知识的作用,是空调系统决策的关键。　　 本文从空调系统的现状出发,以解决具体问题为出发点,结合挖掘潜在知识以及空调系统领域知识,对基于知识的空调系统决策支持系统的结构以及涉及到的一些具体应用问题进行了深入研究,主要研究内容包括:　　 (1)首先提出了基于知识的空调系统智能决策支持系统框架,并深入分析了系统中各个模块的作用和功能以及系统实现的若干关键技术；　　 (2)提出了基于粗糙集合和神经网络的传感器故障诊断模型,设计了基于RSAN的残差生成器,以某实际空调系统为研究对象,对该系统冷冻水供、回水传感器的四种类型的故障进行了实际测试以验证该模型的正确性,并对传感器的漂移故障以及固定偏差故障进行了数据重构,使系统更可靠,更智能；　　 (3)对某土壤源热泵空调系统进行了故障模拟实验,获得了7种故障的实验结果,并且通过实验结果获得了故障诊断的特征属性。针对支持向量机为二元分类问题设计的学习机器,不能直接用来解决多元分类问题,探讨与分析了多类支持向量机的构成,对基于决策导向无环图的支持向量机分类算法进行了应用研究；　　 (4)空调系统领域知识对系统决策有很大作用,领域模型为智能决策系统中的有机成分,本文提出利用空调系统调试初期的运行数据,通过多目标逼近方法,对冷冻水各管段的阻抗系数进行辨识,为系统水力失调和优化控制提供基础:从最基本的能量守恒和质量守恒方程出发,推导了新风故障诊断模型,利用温度、湿度参数,对新风故障诊断进行在线诊断；另外,基于能量守恒定律,提出了对送风量以及析湿析数进行估计,然后对空气换热器进行诊断的策略；　　 (5)提出了基于粗糙集合和支持向量机的空调系统负荷预测模型,从改进负荷预测历史数据的准确度和相关性,降低支持向量机的输入矢量冗余度的角度出发,以某实际空调系统实际运行数据为基础,利用粗糙集理论的属性约简算法来剔除不必要的冗余属,获得多个约简为支持向量机提供简洁而又有效的信息,并融合系统多方位信息进行负荷预测,同时与其它多个模型预测结果进行比较,以验证模型的良好预测性能；　　 (6)在实际中,由于运行条件或工艺的改变,可能会导致早期所积累的大量数据可能不能很好的反应系统近期的负荷特性。对小样本情况条件下的负荷预测进行研究,并且通过与BP神经网络预测结果进行比较,以验证小样本情况下的支持向量机的预测性能。　　 基于知识的空调系统智能决策支持系统将挖掘的潜在知识和空调系统领域知识有机的集成,从而真正的解决了知识获取这一“瓶颈”问题,能较好地满足空调系统的智能决策实际需要；利用粗糙集能够有效的约简一些不必要的属性,从而挖掘系统潜在的知识,实际应用表明,基于粗糙集和神经网络的传感器故障诊断模型,具有非常好的鲁棒性能,很容易快速实现在线故障诊断；基于粗糙集与支持向量机理论相结合的预测模型,通过融合系统的多方位信息能够提高预测精度,其预测相对误差仅为4％左右,在小样本情况下其预测效果优于神经网络模型。另外,水力失调诊断策略、新风故障诊断策略、空气换热器诊断的策略都能够为系统提供有效的决策支持,为系统进一步优化运行提供了坚实的基础。相对于神经网络来说,支持向量对结构的依赖性比较小,其在小样本的问题上的推广能力好于神经网络,更加有利于进行故障诊断；　　 将数据挖掘理论和制冷空调领域结合,有机地融合了新发现的知识与基础知识库中固有的知识,达到定量与定性分析有机结合,无论对理论研究,还是对生产实际都具有积极的意义。