张帅，叶琳，丁之劼，茅一峰，陈志杰，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

空调系统的故障会增大空调系统的能耗，降低运行效率，同时增加维修费用。因此对空调系统的运行状态进行合理且准确评估，对系统故障进行识别和诊断，是十分有必要的。ROTH 等[1]研究发现，解决家用空调中的故障会减少5%～20%的能耗。空调系统的故障诊断方向无疑可以带来巨大的经济效益和能源节约。

20世纪90年代初，在国际能源组织的引领下，一批故障诊断的方法陆续被提出。ROSSI 等[2]利用测量得到的温湿度，结合数学中的统计规律，建立了基于规则的故障诊断方法。BREUKER 等[3-5]对ROSSI 等[2]的故障诊断方法进行了评估，并针对屋顶机空调系统进行了更为深入的研究。进入20世纪以来，XIAO 等[6]分析了不同故障指标对故障的敏感度，改进了诊断规则，提高了诊断正确率。以上研究由于不同故障间的相互干扰，部分故障的诊断正确率无法令人满意。为提高单个故障的诊断正确率，一些基于数学模型虚拟传感器[7]被运用于故障的解耦以及诊断中，如虚拟充注量传感器模型等。

随着机器学习的兴起，空调系统的故障诊断与机器学习算法的结合越来越紧密。丁新磊等[8]提出了一种利用已知类型的故障数据建立的神经网络，可有效诊断未知故障。王路瑶等[9]建立了基于长短期记忆神经网络的诊断方法，可诊断数据中心中的传感器故障。……