李前舸，薛扬帆，张帅，朱旭，杜志敏

（上海交通大学制冷与低温工程研究所，上海 200240）

0 引言

冷水机组通常分为水冷式冷水机组与风冷式冷水机组两种。其中水冷式机组结构紧凑、制冷量大，往往被应用为大型公共建筑的中央空调供冷设备[1]。而相对应的，一旦大型冷水机组发生故障，其影响区域也往往较大。且空调系统耗能在建筑能耗中占有很大的比重[2]，因此对于发生故障的冷水机组进行快速检测与诊断尤为重要。有调查表明，制冷剂泄漏是发生频率仅次于电控设备故障的高发故障。制冷剂泄漏或充注过量所导致的相应故障令冷水机组性能系数降低，额外增加能耗，进而造成建筑物室内舒适度下降等问题。但是，当前冷水机组的制冷剂泄漏问题，在实际应用中仍然是难点问题。

故障检测与诊断技术在减少设备失效时间、降低能耗与运行成本等方面有良好的应用前景。对于制冷剂泄漏故障，已有的研究主要包括利用决策树算法[3]、划分网格优化遗传算法以及支持向量机等进行分类的方法[4]，其他机器学习算法则包括离散型神经网络[5]或前馈神经网络等。该类方法所训练神经网络较为复杂，因此也有研究通过配合主成分分析降维后提取主元降低训练复杂度[6]。其中，有监督支持向量机训练过程相对简单，且对于制冷剂泄漏故障的检测与诊断有较为良好的表现。但是，该方法对于训练初始化的参数选择依赖性较强。工业故障诊断往往具有样本偏斜、样本小以及问题非线性等特点，而支持向量机在该类问题上有着良好的表现[7]。……