□ 许世诺,邹毅峰,刘广海,曹文怡,李洪跃

(广州大学 管理学院，广东 广州 510006)

1 引言

多温冷藏车作为一种冷链运输工具，更适合短途分配性运输，与传统的单温冷藏车相比，可以提高冷藏车的利用效率，更好地保证食品的品质和安全[1-2]。多温冷藏车与单温冷藏车之间的不同之处在于多温冷藏车是在单温车的基础上使用隔板将车厢内空间分隔为冷冻区和冷藏区，而导风槽是这两个温区的唯一冷风通道。但在实际运行过程中，导风槽可能会因为风机故障或装载原因而不能向冷藏区供冷或只能部分供冷，从而使冷藏区无法持续维持恒定低温。因此，为了保障生鲜食品品质，必须对导风槽的工作状态进行准确监控。

目前，多温冷藏车厢内一般布局2个无线温度传感器，分别监测冷藏区和冷冻区的环境温度，另外还有1个监测外界气温的传感器。但是这些传感器并不能直接检测出导风槽的故障，而且在冷藏车运行过程中也很难进行人工检查。智能故障识别具备传统识别方法无可比拟的优越性，可处理传统故障识别方法不能解决的问题[3]。导风槽故障与温度传感器数据间存在相关性，因此理论上可以通过冷藏车运行过程中的温度数据，借助智能识别技术和方法，对温度数据进行机器学习，识别导风槽故障。当前冷链物流温度数据收集技术已经较为成熟，为本研究的数据采集试验设计提供了理论基础，不过针对冷藏车制冷系统故障的研究更多聚焦于故障原因分析，对故障采用机械和人工识别方法[4-5]，尚未见运用人工神经网络对多温冷藏车故障进行智能识别。……