毛前军 梁致远 刘冬华 胡云鹏2 李冠男 方 曦

(1 武汉科技大学城市建设学院 武汉 430065； 2 武汉商学院 武汉 430056)

冷水机组作为空调系统的重要组成部分，在实际运行过程中，常因不同环境条件及运行模式的影响出现不同故障，造成能源浪费、用户投诉、设备过度损耗[1-2]等问题。故障检测和诊断(fault detection and diagnosis, FDD)方法作为确保冷水机组正常运行的重要方法，对空调系统高效运行及节能起至关重要的作用。值得注意的是，传感器测量数据的准确性及可靠性[3-4]对故障检测和诊断的效果有十分显著的影响。由于传感器故障导致的测量精确性下降可能造成系统控制策略不当，最终影响空调系统能耗及建筑服务成本[5-7]，因此有必要对冷水机组传感器故障的检测和诊断进行研究。

近年来，基于冷水机组运行数据的FDD研究已成为制冷空调领域内的一个热点课题。随着研究方法的不断发展和改进，支持向量数据描述(support vector data description, SVDD)及支持向量机(support vector machine, SVM)已被广泛应用于冷水机组FDD领域。Zhao Yang等[8]利用SVDD进行了冷水机组及传感器的故障检测工作，与主元分析方法(principal component analysis, PCA)相比，该方法具有更高的故障检测效率。Han Hua等[9]结合遗传算法(genetic algorithm, GA)设计了“一对一”多类SVM模型应用于冷水机组重要传感器的自动化FDD，在降低测试时间的同时取得了较优的诊断效果。Yan Ke等[10]针对冷水机组FDD提出了一种结合外生变量的自回归(auto-regressive modeling with exogeneous inputs, ARX)模型与SVM混合的方法，与传统方法相比获得了较高的预测准确率及较低的虚警率。

单类支持向量机(one-class support vector machine，OC-SVM)与SVDD类似[11]，同为基于SVM理论的单分类方法。……