刘伫熔，叶琳，丁之劼，茅一峰，李前舸，晋欣桥，杜志敏*

（1-上海交通大学制冷与低温工程研究所，上海 200240；2-中国船舶重工集团公司第七〇四研究所，上海 200031）

0 引言

空调系统故障检测与诊断方法，可以分为三类，分别是基于模型方法、基于规则方法和基于数据驱动方法[1-3]，精确的物理模型实际建模并应用难度较大[4-9]，基于规则方法需要精确匹配故障[10-11]，基于数据驱动的方法的可解释性较差，因此训练过程不可控[12-15]。

贝叶斯网络融合了基于数据驱动与基于规则的方法，其特点介于白箱模型与黑箱模型之间，可有效用于对冷水机组进行故障检测与诊断。对于冷水机组各部件的耦合情况，运行原理以及规律性信息不需要做到完全提取与充分训练。对于一个复杂的冷水机组，求解问题的过程中允许使用对系统进行简化近似的灰箱模型。在建立网络的过程中需要引入专家知识判定不同故障与事件之间的联系以确定网络结构。在求解条件概率时引入统计学中贝叶斯观点，将事件频率视为发生概率，相较于仅基于规则判定冷水机组是否存在故障，贝叶斯网络输出各个故障发生的概率，更为科学直观[16-17]。

但用于冷水机组故障诊断的贝叶斯网络属于离散型贝叶斯网络，故障的检测与故障的诊断同时进行。通常而言无法进行无故障情况的识别，当输出故障后验概率大于设定值时即同时完成故障的检测与诊断。而该种方法在概率特征空间里通过离散变量将其划分为不同的故障事件空间。……