赵哲

西安建筑科技大学建筑设备科学与工程学院

0 引言

冷水机组一旦出现故障，会造成能源浪费、舒适度下降等诸多问题，因此需要对冷水机组进行故障检测与诊断。从现场应用的角度分析，现场机房内的冷水机组运行条件恶劣，其产生的运行数据会伴随着较大的噪声，会造成后续FDD 结果的误判，因此采用无迹卡尔曼滤波进行滤波去噪。从冷水机组的运行特点分析，冷水机组在实际运行中，并非一直处于正常模式下，若只建立正常模式下的UKF 来进行数据去噪，当冷水机组出现软故障时，单一模式下的UKF 必然会出现系统误差，从而不断累积，造成滤波发散，因此采用交互多模型来增强滤波的鲁棒性。

交互多模型在故障检测与诊断领域有着广泛的研究。Zhang[1]提出利用最大概率法来进行FDD，但建立的模型往往存在噪声及误差，这种方法会造成较高的虚警率。Willsky AS[2]提出最大似然比来判定是否发生故障，但是预测误差过大会造成似然比趋于无穷，不适合实际应用。Zhang[3]等人将似然比进一步改进，利用符号函数作为故障检测指标，利用联合指标来判定是否发生故障以及故障起始时间。本文基于上述的符号函数指标作出进一步改进，利用Tanh 函数作为故障检测指标，设置滑动窗口计算联合故障检测指标，从而进行FDD。相较于符号函数，采用Tanh 函数可以弱化故障模式模型概率与正常模式模型概率差值过小时对FDD 结果的影响，进一步降低虚警率。

1 模型建立

1.1 无迹卡尔曼滤波模型

假设有非线性离散系统的过程模型和量测模型：