石书彪　陈焕新　李冠男　胡云鹏　黎浩荣　胡文举

(1 华中科技大学制冷与低温实验室　武汉　430074；2 University of Nebraska-Lincoln　内布拉斯加　68410；3 北京建筑大学 供热供燃气通风及空调工程北京市重点实验室　北京　100044)



基于小波去噪和神经网络的冷水机组故障诊断

石书彪1陈焕新1李冠男1胡云鹏1黎浩荣2胡文举3

(1 华中科技大学制冷与低温实验室武汉430074；2 University of Nebraska-Lincoln内布拉斯加68410；3 北京建筑大学 供热供燃气通风及空调工程北京市重点实验室北京100044)

对基于神经网络方法的冷水机组故障监测效率取决于训练数据和被测数据的质量问题进行了研究。采用小波变换的方法剔除测量数据中的噪声，提高数据质量，从而提高冷水机组故障诊断效率。结果表明：采用小波变换使得各个水平故障的检测效率均得到提高，尤其水平一的故障检测效率提高明显。故障水平一检测率的提高能够及时的辨别冷水机组的故障，从而采用措施防止故障进一步恶化，对降低能源消耗、提高系统的可靠性以及保证室内舒适性具有重要的意义。通过利用ASHRAE Project提供的数据对故障诊断与检测(fault detection and diagnosis)策略进行验证，检测率明显提高。

冷水机组；故障检测与诊断；神经网络；小波分析；贝叶斯正则化

冷水机组和空调系统的性能下降、不恰当控制策略以及故障导致的能量浪费占据了商业建筑总能耗的15%～30%，为了节约能源、提供一个舒适的室内环境[1]，故障诊断和检测(fault detection and diagnosis (FDD)技术近年来已经成为制冷空调系统的研究热点之一。根据德国Frank P M[2]教授的观点，所有的故障诊断方法可以划分为基于信号处理的方法、基于解析模型的方法和基于知识的方法。……