（制冷及低温工程专业论文）基于补偿模糊神经网络的制冷系统故障诊断研究.pdf

重庆大学硕士学位论文中文摘要 摘要 随着人工智能的不断发展和工业自动化水平的快速提高，制冷空调设备的机 电化功能不断增强，加上大型制冷设备的广泛应用，致使制冷系统结构越来越复 杂，系统故障的潜在发生点增多了，这对及时发现和诊断系统的故障发生部位提 出了更高的要求。为此，制冷空调系统及其设备的故障检测与诊断受到人们的广 泛关注，国际上正掀起一场制冷空调系统及其相关设备故障检测与诊断的研究热 潮。这正是本研究课题的大背景。 本文的主要研究工作为： 以热泵冷水枫组为研究对象，阐述了模糊神经网络中的模糊逻辑系统和神经 网络的基本原理，论述了应用补偿模糊神经网络进行制冷系统故障诊断的若干问 题。 在分析制冷系统常见故障特征的基础上，利用数据采集系统采集制冷系统故 障特征参数，对特征参数归一化处理，计算得n i j i l 练样本集。本文主要针对系统 制冷剂过少，膨胀阀开度过大，冷却水流量改变，压缩机吸气管堵塞，压缩机吸排 气串通等5 种常见故障进行诊断。 建立以压缩机进口温度、蒸发器进口温度、冷媒水进口温度、冷媒水出口温 度、压缩机排气压力、压缩机吸气压力、压缩机出口温度、冷凝器出口温度等8 个特征参数作为输入层参数，故障模式作为输出层的补偿模糊神经网络模型。 利用m a t l a b7 0 编写出了基于补偿模糊神经网络的制冷系统故障诊断学习 训练及仿真检验程序，在网络的学习训练中，通过比较，选择合适的模糊分割数 和学习率，使网络能够较快的达到收敛值。 对已建立好的补偿模糊神经网络进行学习训练和仿真检验。仿真结果表明系 统具有很高的准确率，只要制冷系统发生了与训练样本中一样的故障，诊断系统 就能给出正确的故障原因。因此，利用补偿模糊神经网络进行制冷系统故障诊断 是一种行之有效的技术手段。 关键词：制冷系统，故障诊断，模糊逻辑系统，补偿模糊神经网络 重庆大学硕士学位论文 英文摘要 a b s t r a c t w i t l lt h ed e v e l o p m e n to fa r t i f i c i a l i n t e l l i g e n c ea n di n d u s t r i a la u t o m a t i o n , t h e r e f r i g e r a t i o na n da i rc o n d i t i o ne q u i p m e n tg e tm o r ea n dm o r ec o m p l i c a t e dt h a nb e f o r e a c c o r d i n g t ot h ei n c r e a s i n ga u t o m a t i o nf u n c t i o na n dt h ew i d eu s eo fb i g s c a l e r e f r i g e r a t i o ne q u i p m e n t a sar e s u l t ，t h el a t e n c yt r o u b l ep o i n t si n c r e a s e d ，i td e m a n d s m o r ea b i l i t yi nt h es y s t e m st r o u b l es h o o t i n g 。s o ，t h ef a u l td e t e c t i o na n dd i a g n o s i so f t h e r e f r i g e r a t i o na n da i rc o n d i t i o ne q u i p m e n th a v eb e e nw i d e l yg i v e na t t e n t i o n , a n dt h e i n v e s t i g a t i o no f i ti sb e c o m i n gah o t s p o ti nt h ew o r l d i ti sj u s tt h ew h o l eb a c k g r o u n do f t h i si n v e s t i g a t i o n t h ef o l l o w i n gi st h em a i nc o n t e n t s ： t h i sp a p e ri so nt h eb a s i so fah e a tp u m pw a t e rc h i l l ys e t ，h a si l l u s t r a t e dt h e e s s e n t i a lt h e o r yo fs y s t e ma n dn e u r a ln e t w o r k , a n dh a sa l s od i s c u s s e ds o m ei s s u e ao n c o m p e n s a t i v ef u z z yn e u r a ln e t w o r ko nt h ef a u l td i a g n o s i so f r e f r i g e r a t i o ns y s t e m 。 o nt h eb a s i so fa n a l y s i so ff r e q u e n tf a u l tc h a r a c t e ro fr e f r i g e r a t i o n , g a t h e r s c h a r a c t e r i s t i cp a r a m e t e r sw h i l et h er e f r i g e r a t i o ns y s t e mg o e sw r o n gb yd a t ag a t h e r i n g s y s t e m ，t h e nu n i f i e st h e m ，a tl a s tg e t st h et r a i n i n ge x a m p l e sb ym e a n so fc a l c u l a t i o n t h i sp a p e rm o s t l yd i a g n o s e sf i v ec o m m o nf a u l t s ，i e t o ol i t t l er e f r i g e r a t i o n , t h e r m a l e x p a n d i n gv a l v e ( t e v ) o p e nt o ob i g ，t h ea l t e r a t i v ef l u xo fc o o l i n gw a t e r , s u c t i o na n d d i s c h a r g ev a l v ed e s t r o yo f c o m p r e s s o r ，t h ec l o g g i n gi nt h es u c t i o np i p eo f e o m p r e s s o r t h ec o m p e n s a t i v ef u z z yn e u r a ln e t w o r km o d e lh a sb e e ne s t a b l i s h e dw i t he i g h t c h a r a c t e r i s t i cp a r a m e t e r s ，n a m e l yc o m p r e s s o ri n p u tt e m p e r a t u r e , e v a p o r a t o ri n p u t t e m p e r a t u r e ，c o o l i n gm e d i u mw a t e ri n p u tt e m p e r a t u r e ，c o o l i n gm e d i u mw a t e ro u t p u t t e m p e r a t u r e ，c o m p r e s s o rs u c kp r e s s u r e , c o m p r e s s o rd i s c h a r g ep r e s s u r e ，c o m p r e s s o r o u t p u tt e m p e r a t u r e ，c o n d e n s e ro u t p u tt e m p e r a t u r ea sn e ti n p u ta n df a u l tp a t t e ra sn e t o u t p u t t h e r eh a sp r o g r a m m e dt h et r a i n i n ga n dv e r i f i a b l es i m u l a t i o ns o f t w a r eo ff a u l t d i a g n o s i so nr e f r i g e r a t i o ns y s t e mb a s e do nc o m p e n s a t o r yf u z z yn e u r a ln e t w o r kb y m a t l a b7 0 b yc o m p a r i s o n ，c h o o s et h ea p p r o p r i a t ef u z z yd i v i s i o nn u m b e rw h e nt h e n e ti sb e i n gt r a i n e dt om a k et h e n e tr e a c hf a s t e re x p e c t a n te r r o r t h en e tm o d e lh a sb e e nt r a i n e db ym e a n so ft h et r a i n i n ge x a m p l e sa n dh a s s i m u l a t e dt h eo t h e rt r a i n i n ge x a m p l e s s i m u l a t i o nr e s u l t ss h o wt h a tt h es y s t e mh a sa l i 重鏖盔堂堡主堂垡丝塞 一蒸苎i ! ! l h i g hr a t eo fa c c u r a c y a sl o n ga st h er e f r i g e r a t i o ns y s t e ma n dt h et r a i n i n gs a m p l e so f t h es a m ef a u l t ，d i a g n o s i ss y s t e mw i l lb eg i v e nt h ec o r r e c tc a u s eo f t h em a l f u n c t i o n s o ， t h ec o m p e n s a t i v e 昀n e u r a ln e t w o r ki sau s e f u lt o o lo nt h ed i a g n o s i s o ft h e r e f r i g e r a t i o nf a u l t k e y w o r d s ：r e f r i g e r a t i o n , f a u l td i a g n o s i s ，f u z z yl o g i cs y s t e m ，c o m p e n s a t i v e f u z z yn e u r a ln e t w o r k i i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取 得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文 中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重庆盔堂 或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：磊茂吾久签字日期：加7 年月t e l 学位论文版权使用授权书 本学位论文作者完全了解重废太堂有关保留、使用学位论文的 规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。本人授权重废太堂可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 保密( ) ，在年解密后适用本授权书。 本学位论文属于 不保密( 、) 。 ( 请只在上述一个括号内打“”) 学位论文作者签名：珂占欠 签字日期：。7 年6 月r 日 导师签名： 签字日期：抛 年6 月够日 重庆大学硕士学位论文1 绪论 1 绪论 1 1 本文的研究目的和意义 制冷空调设备现今在国民经济各部门和人民生活中应用日益广泛，大量应用 于楼宇，商场，公共设施等场所。由于工业自动化水平的提高以及人们需要的增 加，制冷系统规模不断增大，系统越来越复杂。制冷空调系统在运行过程中，不 同程度地存在元器件老化、日常维护不足、系统应用环境变化以及错误操作等问 题，因而不可避免地会出现各种故障，如风机、冷冻冷却水泵停转或性能下降，阀 门卡死、堵塞或泄漏，盘管结垢严重导致换热器换热不良，制冷机组制冷能力下降， 过滤器堵塞，风水流量过小等以及几种故障同时或相继发生。如果不能及时地检 测和排除这些故障，势必会导致系统运行参数严重偏离要求的设定值。在舒适性 空调中会给室内工作人员带来不舒适感而影响工作效率和工作质量，影响身体健 康；在工艺性空调中，尤其是在合成纤维、精密机械、电子仪表等产品的生产则 会直接影响到产品的质量及成品的合格率；对空调系统而言则增加系统能耗，缩 短设备的使用寿命。在故障排除中，查找故障原因的时间一般占总排除故障时间 的6 0 以上。因此，为了缩短平均修复时间，必须作到迅速准确判断故障部位。这 给设备维护人员提出了更高的要求，他们不但要有理论水平，还要有丰富的实践 经验。 另一方面，计算机技术的快速发展也为机械设备的智能化提出了更高的要求， 而现在制冷空调机组的智能化水平还不能达到满意的程度。目前制冷空调机组中 一般配备了各种系统保护措施，如排气高压保护，吸气低压保护，冷水温保护等 等，不同厂家在电气控制系统先进程度上有所差异，较为先进的机组一般在机组 内布置了较多的温度，压力传感器，可以显示相对较多的故障状态点，即使如此， 由于缺少人机交流，大多数系统在故障发生时机组只能采取自保护停机，而不能 让用户知道故障发生的具体部件和原因以及如何去排除。如系统渗入过量空气， 机组表现为高压保护停机，而没有进一步原因指示。 及时检测、诊断、预测及排除空调系统的故障可以节能降耗，帮助操作者及 时做出正确决策，缩短故障修复时间，延长设备使用寿命，减少人员工作量，提 高系统可用度以及保证系统的最优运行。创造舒适、健康、卫生的室内环境，及 时地排除或减少故障所带来的后果自然离不开自动控制技术。据日本报道，采用 机组设备的故障诊断技术后，可使每年的维修费用较少2 5 5 0 ，故障停机时间 减少7 5 e “。在我国如果将故障诊断这项技术推广，每年可减少事故5 0 7 0 ， 节约维修费用1 0 3 0 ，效益相当可观1 2 。据有关学者统计，在热泵空调机组修 重庆大学硕士学位论文1 绪论 复工作中，查找故障原因的时间占总排除故障时间的7 0 左右。可见，有关这方面 的研究有很大的必要性，而且具有巨大的社会和经济效益。 因此，如何及时地检测和排除故障，甚至预测和杜绝故障的发生，提高系统 的安全性、可靠性，保证系统正常地运行已成为空调系统不可或缺的部分。随着 制冷空调设备性能的提高，复杂性也不断增加，对故障诊断的需求也曰益明显。 1 2 故障诊断研究综述 所谓故障诊断，是指通过对测量设备在运行中或相对静止条件下的状态信患 的处理和分析，并结合设备的历史状况，来定量识别设备及其零部件的实时技术状 态，预知有关异常、故障并预测其未来技术状态，从而确定必要对策的技术。其目 的正是能及时正确地对系统的各种异常运行状态或故障状态做出诊断、预防或消 除，从而对设备的运行进行必要的指导，提高系统运行的可靠性、安全性和有效性。 随着模糊集理论、专家系统、神经网络技术和小波分析理论的发展以及检测 技术、计算机技术、电子技术和通讯技术等相关领域学科的进一步深入，设备故障 诊断技术正朝着智能化方向发展，己形成了- - i q 集数学、物理、化学、电子技术、 计算机技术、通讯技术、信息处理模式识别和人工智能等多学科交叉的综合性技 术，相应的设备维修技术也步入了智能化维修阶段。现代化的工程技术系统正朝 着大规模、复杂化的方向发展，这类系统一旦发生事故就可能造成人员和财产的巨 大损失。因此，切实保障现代复杂系统的可靠性与安全性，具有十分重要的意义。 1 2 1 故障诊断发展概况 设备故障诊断技术是2 0 世纪七八十年代得到迅速发展的一项新技术，其发展 大致经历了一下四个阶段： 第一阶段是在1 9 世纪工业大革命时期，由于当时的工业生产规模不大，机器 设备本身的技术水平和复杂程度都很低，对设备的利用率和设备的维修费用问题 没有引起注意，对设备的故障也缺乏认识，因此对设备采取不坏不修，坏了再修 的办法，即事后维修。 第二阶段是进入2 0 世纪后，随着大生产的发展，机器设备本身的技术复杂程 度也有了提高，设备故障或事故对生产的影响显著增加，在这种情况下出现了定 期预防维修的方式。定期预防维修的检测周期，基本上是凭人的感觉和经验，它 很难预防由于随机因素引起的事故，造成许多过剩维修。 第三阶段是从2 0 世纪6 0 年代中期开始，人们开始认识到发展故障诊断技术的 重要性和迫切性。随着计算机和电子技术发展，把信号分析技术从硬件到软件推 向新的高度，出现了按状态维修或视情维修方式。 2 重庆大学硕士学位论文1 绪论 第四阶段视2 0 世纪7 0 年代末，特别是8 0 年代从初人工智能和专家系统的发展 以及在实践工程中的广泛应用，从而使设备诊断技术达到了智能化的高度，成为 故障诊断技术的一个主要方向【3 】。专家系统、人工神经网络、遗传算法、模糊系统 机器混合应用正成为人们研究的热潮t 4 - 9 1 。 最早开展故障诊断技术的是美国，1 9 6 1 年开始执行阿波罗计划后，出现了一 系列由于设备故障而引起的严重问题，在设备的安全性和可靠性方面面临巨大的 压力和挑战。因此，1 9 6 7 年4 月1 8 日，召开了美国“机械故障预报小组( m f p g m a c h i n e f a u l t sp r e d i c tc r o u p ) ”的成立大会。1 9 7 1 年m f p g 正式划归美国国家标准局( n s l 3 ) 领导，由一个半官半民的组织变成一个官方领导的组织，下设故障机理研究、检 测、诊断和预测技术、可靠性设计、材料耐久性评价四个小组，平均每年召开两 次会议。在故障检测方面，m i t 的b r e a d 首先提出了用解析冗余代替硬件冗余，通 过比较观测器的输出判断传感器故障，并通过系统反馈结构重组保证系统稳定， 这一成果是故障检测技术发展史上的一个重要里程碑。在此后的2 0 年里，故障检 测及诊断技术取得了丰硕的成果，并以异常活跃的生命力在不断成长，在飞机、 人造卫星、航天器、核反应堆、汽轮发动机、输油和输气管线、大型电网、汽车、 船舶发动机、冶金、石化等多个领域得到了实际应用，获得了巨大的经济效益 1 0 q 1 1 。 我国的故障诊断技术走向实用始于2 0 实际8 0 年代初，1 9 8 3 年以来，哈尔滨工 业大学振动工程研究中心与其他兄弟单位一起，连续承担了国家“六五”、“七 五”、“八五”重点攻关项目中有关大型旋转机械故障诊断技术和装置的研究课 题，不仅从理论和方法上有了突破，而且还开发出2 0 多套多种类型的故障诊断装 置，用于各电厂大型汽轮机组和石化企业压缩机组的状态监测和故障诊断。清华 大学和哈尔滨电工仪表研究所等单位联合研制出2 0 0 m w 汽轮机组状态检测分析及 故障诊断系统。山东电力科学研究院和清华大学等单位在1 9 9 7 年共同开发的“大 型汽轮机发电机组远程在线振动监测分析与诊断网络系统”，通过网络方式将潍 坊发电厂、石横发电厂、邹县发电厂等电厂的振动数据传输到山东电力科学研究 院远程诊断中心站，并通过中心站对振动数据进行远距离的监测分析与诊断，这 个故障诊断系统和远程中心站类似于美国西屋公司的a i d 系统及d o c 中心，也取得 了较好的经济和社会效益【l ” 1 2 。2 故障诊断在制冷空调领域的发展状况 尽管故障检测与诊断( f d d ) 技术在飞机、人造卫星、航天器、核反应堆、汽轮 发电机、石化等多个领域得到了实际应用，取得了良好的经济和社会效益。但是在 暖通空调制冷领域，故障诊断技术的应用起步较晚，始于2 0 世纪8 0 年代初，到目 前为止，基本没有成熟的商业软件存在。在人工智能和专家系统第二个研究高潮 的带动下，国外于8 0 年代中期将专家系统引入制冷暖通空调领域中。1 9 8 6 年，美 3 重庆大学硕士学位论文 1 绪论 国a s h r a e 年会进行了鉴于知识的系统( k n o w l e d g e - b a s e ds y s t e m ) 在制冷暖通空调 领域中应用专题讨论会。而标志着故障诊断专家系统与暖通空调制冷相结合的开 端是1 9 8 7 年的h u b e r 的“a ne x p e r ts y s t e m sf o rb u i l d i n ge n e r g yc o n s u m p t i o na n a l y s i s p r o t o t y p er e s u l t s ”【1 3 】。国内于1 9 8 7 年在彦启森教授提议下，开始了故障诊断专家系 统在制冷空调专业中的应用研究，但发展缓慢。直到近年来，随着传感器价格的 下降，各国对建筑节能意义认识的加深，智能化建筑的智能化管理与检测，f d d 系统在制冷空调领域的应用越来越广 泛1 1 4 】 国外研究现状 1 9 8 9 年，c h a r l i e s h c u l p 发表的题为“e x p e r ts y s t e m i np r e v e n t i v ea n d d i a g n o s t i c s 一文开创了这方面应用的先例。同年，d a n d e r s o n ，l g r a v e s 发表的“a q u s i r e a l t i m ee x p e r ts y s t e mf o rc o m m e r c i a lb u i l d i n gh v a cd i a g n o s t i c s ”代表了本 领域故障诊断从离线到在线的过渡1 9 9 0 年，g m k a t e r 署1 j r p e 的“e m b e d e de x p e r t s y s t e md e v e l o p m e n tf o rm o n i t o r i n gp a c k a g e dh a v o ce q u i p m e n t 则标志着在线诊 断专家系统在制冷暖通空调领域中已得到基本实现【i ”。 1 9 9 4 年，g r i m m e l i u s 等人【1 6 】应用故障诊断模式和效能分析的方法建立了冷水机 组的故障征兆举证，然后，通过一个模糊分类器利用这些征兆识别制冷机的故障。 然而，这些征兆是建立在一个非线性的统计制冷机模型所预测数据的基础上，一 定程度上限制了该方法的应用。 1 9 9 5 年，r o s s i 等人【1 7 1 提出了两步故障诊断法，第一步就是统计模式识别的方 法，判断冷水机组运行是否正常；如果发现故障，将利用征兆矩阵为基础的诊断 分类器诊断故障。而且，该分类器只适用于系统稳态故障的检测。 1 9 9 6 年，l e e 等人【1 8 】利用基于残差和参数识别的方法，建立了空气处理机组的 故障诊断模型，可以用于回风机故障、送风机故障、水泵故障、三通阀故障、温 度、压力及流量传感器的故障检测。但是，该模型是建立在机组负荷不变化的情 况下的，如果建筑物的空调负荷发生变化，则故障的误报率将大大提高，因此。 该系统的实际价值不大。同年，p e i t s m a n 等人【1 9 l 通过对实验用冷水机组的测试，以 所测得的实验数据为基础，利用“黑箱法”建立了冷水机组的各部件数学模型和 机组本身的整个系统的数学模型。此模型可进行该类型的冷水机组性能和部件的 故障诊断。但是，训练数据的局限性，限制了该诊断模型的推广。还有s t y l i a n o u s 等人【2 0 】应用热力学建模、模式识别、人工智能三者一体的综合方法建立冷水机组 故障诊断系统。 1 9 9 7 年，r o s s i 等人 2 1 1 建立了基于统计和规则的蒸汽压缩式空调器的故障诊断 系统，这是一个动态的故障诊断系统，系统的正常值和温度，蒸发器回风系统和 回风相对湿度有关。它利用所测系统热力状态参数和通过正常运行模型所预测的 4 重庆大学硕士学位论文1 绪论 热力状态的偏差，通过偏差的统计特性检测故障，借助于已建立的规则库来判断 故障的类型。这种故障诊断技术不需要对设备具体参数的学习，能够检测到5 的 制冷剂泄漏，同时，还能把制冷剂泄漏、冷凝器污垢严重、蒸发器过滤网污染严 重、蒸发器污垢严重、高压液体管线受阻和压缩机吸排气阀漏气等故障区分开。 同年，加拿大的s t y l i n o u s 等人1 2 2 】采用了统计摸式算法s p r a ( as t a t i s t i c a lp a t t e r n r e c o g n i t i o na l g o r t h m ) 用于往复式冷水机组的故障检测与诊断。这种训练好的诊断 模型只能用于识别五种明显的状态( 正常运行、制冷剂泄漏、液体制冷剂管剂受 阻、蒸发器水环路受阻、冷凝器水环路受阻) 。并以一台容量为1 6 7 k w 、制冷剂 为r 2 2 的往复式冷水机组为对象在实验台进行验证，实验结果证明s p r a 在解决多变 量、多类别的模式识别中不失为一种有效的方法。 1 9 9 8 年，b r e a k e r 等人【2 3 】建立了屋顶式空调器的故障测试实验台，通过对制冷 剂泄漏、冷凝器污垢严重、蒸发器过滤网污染严重、高压液体管线受阻和压缩机 吸排气阀漏气等故障的模拟，得出了故障和征兆之间的关系，并总结出一套用于 故障诊断的规则库。同时，对故障给系统制冷量和性能系数的影响进行了评价。 而且，实验中所用的数据是综合的，作者利用基于统计规则的故障检测对诊断系 统的性能进行评价。 1 9 9 9 年，n g o 等人【2 4 l 建立了基于模型的空气处理机组的故障诊断模型，并应用 通常的模糊参考模型来描述设备在故障和正常状态下的行为，并对其进行半量化 处理，而且，还针对传感器的不同偏差和故障程度，对系统故障诊断敏感性进行 了验证，从而避免了因机组传感器误差带来的误报率。 国内研究现状 1 9 8 9 年，马吉民【2 5 l 用t u r b o p r o l o g 语言设计的一个用于开发设备故障诊断修理 专家系统的开发工具d f d r t ( d e v i c ef a u l td i a g n o s i sa n dr e p a i re x p e r ts y s t e mt 0 0 1 ) ， 并用它实现了一个制冷系统修理专家系统实验模型。 1 9 9 3 年，蔡立群【2 6 】在大量咨询有关制冷专家系统的基础上，总结出制冷系统常 见故障与其征兆之间的关系，采用产生式规则和逻辑谓词相结合的知识表示和 m y c i n 的确定性推理，利用t u r b o p r o g o 语言开发了一个故障诊断专家系统，它具备 故障诊断、解释、维修指导、学习及知识库管理等功能，最后，采用第二冷媒量 热器法压缩机实验台进行实验验证，结果表明次诊断系统得出得结论和实际吻合 得相当好。 1 9 9 4 年，孙国平【2 7 】在蔡立群的基础上，迸一步完善了故障诊断知识库，建立 了蒸气压缩式制冷循环的故障诊断专家系统，为了适应不同的诊断条件，并开发 出三个专家系统软件，分别以t r s l 、t r s 2 和t r s 3 表示，采用正反向链的推理策 略，推理通过搜索和模式匹配完成，适用于各种不同层次的用户。t r s 3 式基于规 5 重庆大学硕士学位论文1 绪论 则的专家系统软件，并对诊断知识库进行了量化处理，使诊断接口大大简化，适 合于对具有数据采集的系统迸行故障诊断。但是，这些诊断系统有着致命的缺点： 因其知识表达采用产生式规则，推理与知识库不分离，因而不够灵活；当知识库 庞大，则出现“组合爆炸”、“推理复杂”等困难。 1 9 9 5 年，赵鹏【2 8 】建立了基于模糊专家系统的制冷系统故障诊断模型。在进行正 式故障诊断之前，首先根据现有的领域知识建立每种故障得标准模式。设这些标 准模式构成故障空间z ，取症候群空间x 为论域，显然，z 是x 的子集。同时，将这些 标准模式看成z 上得模糊集，于是制冷系统的故障诊断问题就转化为确定x 上的元 素以多大程度隶属于z 上的哪个模糊集的问题。但是，此方法的缺点就是，所赋予 征候的权系数的大小，是根据专家经验以及统计资料两方面结合的方法或模糊综 合评判来确定，带有很大的主观性和片面性，因此，初步确定的权系数一般需要 经过实验反复调整才能真正应用。 1 9 9 8 年，鲍士雄等【9 】建立了基于模糊模式识别的故障诊断模型。首先按模糊模 式识别匹配模型建立模拟实验，对制冷剂过少、制冷系统管道脏堵、蒸发室内风 机不转、压缩机吸排气阀片损坏、冷凝器冷却水流量太小等故障进行了模拟，据 此建立了模糊模式匹配诊断模型，并对模型进行了实验验证，实验证明，该方法 在实践中是可行的。但是具体应用中，关键是模糊模式识别模型中一系列参数应 通过专家经验或实验合理的选择。 1 9 9 8 年，王晓明眇埂出了基于小波分析的制冷系统故障先兆分析及故障预报， 通过建立的故障模拟实验台，模拟了系统冷间负荷增大、压缩机吸排气阀损坏、 压缩机停机、冷却水流量过小、风机停机等故障，通过对所采集的特征信号进行 小波分析，建立了故障征兆的小波分析征兆库，解决了传统信号处理方法无法发 现故障先兆信号的难题。但是，由于实验条件的限制，其选择的一些征兆参数并 不能有效的获得，使得所获得的征兆库可能只为故障的必要条件，而非充分条件， 从而还需要其它征兆进一步判断。另外，机组运行工况的复杂性和多变性，要建 立完善的各种故障的小波分析征兆库是很困难的。 国内外目前的趋势是将模糊理论和神经网络理论融合，并应用遗传算法、数 据挖掘、小波分析、蚁群算法等来训练和优化网络，进而结合到专家系统中，发 挥各自的所长，形成一种混合专家系统。 1 2 - 3 故障诊断方法分类 设备故障诊断技术发展至今，己提出了大量的方法。按照国际故障诊断权威 e m f r a n k 教授的观点，所有故障诊断方法可以分为基于知识的方法，基于解析模 型的方法和基于信号处理的方法，故障诊断方法的分类见下图1 1 【3 0 l 。 6 重庆大学硕士学位论文 1 绪论 基 于 知 识 的 方 法 基于定性模型 参数估计方法 状态估计方法 等价空间方法 图1 1 故障诊断方法分类图 f i g 1 1t h e f i g u r e o f c l a s s i f i c a t i o n o f t h e f a u l t d i a g n o s i s m e a n s 当可以建立比较准确的被控设备的数学模型时，基于解析模型的方法是首选 的。现在已经证明了基于观测器的状态估计法与等价空间法是等价的。参数估计 法更易于故障的定位于故障幅值的估计。当可以得到被控对象的输入、输出信号， 但很难建立被控对象的解析数学模型时，可以采用基于信号处理的方法，其中， 小波变换方法是近年来发展起来的一种很有前途的方法。当建立被控对象的定量 数学模型较困难时，可以采用基于知识的方法。 灰色诊断方法 灰色系统理论认为，客观世界是信息的世界，既有大量的已知信息，也有不 少未知信息、非确定信息。未知的、非确定的信息是黑色的；已知信息称为白色； 既含有未知信息又含有已知信息的系统，称为灰色系统。机械设备系统就是一个 灰色系统，设备故障诊断所要解决的问题就是灰色系统的白化问题。目前白化方 法很多，其中灰关联度分析是设备故障诊断中应用最多的且较为成熟的一种。诊 7 一圈圆圈堕囹一 基r解析模型的方法=基于信号处理的方法 重庆大学硕士学位论文 1 绪论 断过程一般分为以下几个步骤：1 ) 构造标准故障模式向量集；2 ) 确定待测状态模 式向量集；3 ) 计算灰关联度矩阵；4 ) 确定关联度阀值；5 ) 故障分析与诊断。 模糊诊断方法 在普通集合论中，一个对象对应一个集合。要么属于，要么不属于，二者必 居其一，即“非此即彼”。然而，客观世界中存在许多“亦此亦彼”的现象，如振 动强烈、振动不稳定等。这些没有明确外延的概念叫做模糊概念。模糊集合论就 是刻画模糊现象的数学。 在设备故障诊断过程中，测量得到的是许多信号，通过信号分析得到许多故 障征兆。征兆和故障之间存在一定关系。应用模糊变换定理可以得出故障论域上 的一个模糊子集，即一个诊断结果。 神经网络诊断方法 神经网络系统是由大量的、同时也是很简单的处理单元广泛地互相连接而形 成的复杂网络系统。它具有大规模并行、分布式存储和处理、自组织、自适应和 自学习能力，特别适用于处理需要考虑许多因素和条件的、非线性、不精确和模 糊的信息处理问题。通常神经网络诊断技术共有三个步骤。1 ) 知识表达；2 ) 推理 过程；3 ) 自学习能力。 专家系统诊断方法 基于计算机的故障诊断专家系统，是一种典型的质素处理系统，它能获取大 量的专家诊断质素，利用专家的推理方法，解决故障诊断领域的问题。专家系统 主要由知识库、推理机、用户界面三部分组成。 遗传算法 遗传算法是模仿进化论中的遗传物质的载体染色体在繁殖后代中的变化 过程而发展起来的。遗传算法用于设备故障诊断通常有如下步骤：1 1 产生初始群 体；2 ) 确定编码策略；3 ) 确定适应度函数；4 ) 遗传运算；5 ) 确定算法的终止准则。 信息融合方法 信息融合技术涉及信息处理、模式识别和推理决策三个过程，按照每个过程 的数学抽象方法，信息融合可以分为五种融合过程：1 ) 数据输入数据输出；2 ) 数 据输入特征输出；3 ) 特征输入特征输出；4 ) 特征输人决策输出；5 ) 决策输入 决策输出。 小波分析方法 小波分析方法是实现一种时域一频域变换，它能将时间函数分解为沿时间轴不 同长度、不同位置的正交基函数，a p d , 波函数。小波变换的结果使得故障诊断信 号中的非平稳信号变化谱成份能够在时域和频域同时迸行分析。而且，小波函数 在时域和频域同时具有良好的局部化性质。它可以根据信号不同的频域成分，在 3 重庆大学硕士学位论文1 绪论 时域和频域自动调节样的疏密；频域高时，则密；频域低时，则疏。基于小波变 换的这些优良特性，可以观察故障诊断信号的任意细节，并加以分析。 不同的故障诊断方法各有其优点和不足，把不同的诊断方法结合起来发挥各 自的优点，避免其缺点将极大提高诊断系统的性能。实际上，人类专家在进行诊 断是，不仅使用经验性知识，同时也使用设备的结构和功能描述知识，这就是深 浅相结合的诊断方法。 文献【”j 提出一种把基于规则和基于模型相结合的集成推理策略。在他的工作 中以基于规则的推理诊断为主，以基于模型的推理诊断为辅，当基于规则的推理 失败时，基于模型的推理利用所探测的候选故障集继续推理过程，以完成诊断任 务。 文献【3 2 】介绍了一个基于神经网络和专家系统的集成故障诊断系统，该系统由 浙江省科技厅重点基金资助，用于监控汽油发动机的性能。系统采用神经网络在 前，专家系统在后的串行预处理结构。神经网络和一般的数据分析方法相结合构 成数据处理器，为专家系统的动态知识库提供数据。 从以上分析可以看出，故障诊断技术在制冷空调领域取得了可喜的成绩，得 到了长足的发展。国内与国外相比，仍存在不小的差距。但不论国内还是国外， 总得来说，还存在一下问题： 故障诊断系统在制冷空调领域中的应用还没走向实用阶段，开发的系统多 是些实验模型。 从故障诊断研究的深度看，大多数只是其它领域( 如航天、核工业) 的诊断 方法直接借鉴过来应用，从诊断方法上进行研究，诊断系统所涉及的故障较少， 缺乏对故障机理的分析，不能从根本上解决系统的故障问题。 从诊断对象来看，目前已涉及到制冷空调大部分领域：空气处理机组、冷 水机组、空调系统、制冷系统等。但总的来看，针对设备多，针对整个系统的少。 从诊断方法上来看，人工智能故障诊断系统已成为发展的主流，专家系统、 神经网络已成为备受人们青睐的工具，但两者各有缺点：对专家系统来说，其推 理速度慢，容易出现“匹配冲突”、“反复递归”、“组合爆炸”等问题，限制了它 的应用；对问题的泛化能力差，在处理领域的边缘问题时，表现的十分脆弱，缺 少自学习、自适应能力。对神经网络来说，知识以权值的方式分布于整个网络的 连接上，难以解释推理、决策过程，网络实际上是一个“黑箱”，对必须给出推理、 决策过程的故障诊断系统来书，显然是不够的。基于混合诊断方法故障诊断，把 不同诊断方法各自的优点结合起来，避免其缺点，将极大提高诊断系统的性能， 这是今后诊断方法发展的方向。 9 重庆大学硕士学位论文 1 绪论 1 3 本文主要的工作 在分析制冷系统常见故障特征的基础上，利用数据采集系统采集制冷系统特 征参数，对特征参数归一化处理，计算得至t j i l l 练样本集。本文主要针对系统制冷 剂过少，膨胀阀开度过大，冷却水流量改变，压缩机吸气管堵塞，压缩机吸排气串 通等5 种常见故障迸行诊断。 建立以压缩机进口温度、蒸发器进口温度、冷媒水进口温度、冷媒水出口温 度、压缩机排气压力、压缩机吸气压力、压缩机出口温度、冷凝器出口温度等8 个特征参数作为输入层参数，故障模式作为输出层的补偿模糊神经网络模型。 利用m a t l a b7 0 编写出基于补偿模糊神经网络的制冷系统故障诊断学习训 练及仿真检验程序，在网络的学习训练中，通过比较，选择合适的模糊分割数和 学习率，使网络能够较快的达到收敛值。 最后对已建立好的补偿模糊神经网络进行学习训练和仿真检验。 l o 重庆大学硕士学位论文 2 模糊神经网络技术 2 模糊神经网络技术 2 1 模糊理论基础 概念l ：模糊性 所谓模糊性是指客观事物在性态及类属方面的不分明性，其根源是在类似事 物间存在一系列过渡状态，它们相互渗透，互相贯通，使得彼此之间没有明显的 界限。 模糊性是客观世界中某些事物本身所具有的一种不确定性，它与随机性有着 本质的区别。有明确定义但不一定出现的事件中包含的不确定性称为随机性，它 不因人的主观意识变化，由事物本身的因果规律决定。而已经出现但难以给出精 确定义的事件中包含的不确定性称为模糊性，是由事物的概念界限模糊和人的主 观推理与判断产生的。 概念2 ：模糊集与隶属函数 在论域中，把具有某种属性的事物的全体称为集合，集合中每一个事物称为 这个集合的一个元素。 设u 是论域，一是把任意x u 映射为【o ，1 】上某个值的函数，即 以：u 辛【o ，1 】工一心( 工) ( 2 1 ) 则以为定义在u 上的一个隶属函数，由以( x ) ( x u ) 所构成的集合a 称为 u 上的一个模糊集，儿( x ) 称为x 对a 的隶属度。 扎德为了具体的指出论域元素与其隶属度的对应关系，给出了一种模糊集的 表示形式： 4 = 以( 而) ，五+ 以( 而) 屯+ + 心( 毛) = 一( 玉) 而 ( 2 2 ) i = l 其中心( 薯) 为玉对a 的隶属度。如果心( 五) = o ，可略去不写。 无论论域是有限的还是无限的，连续的还是离散的，扎德都用如下记号作为 模糊集a 的一般表示形式：a = i 心( z ) 出，在这里积分符只是一个记号而己。 ，白 概念3 ：模糊关系 设u 。，u ：，u 。是，1 个论域，u 。u 2 ”u 。中的一个弗元模糊关系r 是 u ，x u ：u 。上的一个模糊集，记为 r _ f胁( 五，毛) ( 五9o o ) ( 2 3 ) o i x u z ，( u _ 模糊关系是经典集合论中关系的推广，一个有限论域上的二元模糊关系可以 表示成隶属矩阵的形式： 重庆大学硕士学位论文 2 模糊神经网络技术 r = “1“2 段l 鸬2 ，k l 声2 “。 ， ， ( 2 4 ) 其中u 。= 玉，x 2 ，) ，u ：= y l ，儿，只) ， 一= 以( 五，y j ) ( 1 f 脚，l - j 厮表示的模糊蕴涵是定义在服y 上的一个特殊的模糊关系，计算公式如下： 模糊蕴涵最小运算( m a m d a n i ) r 。= 彳呻曰= f 以( x ) 鳓( y ) ( 五y ) a x y 模糊蕴涵积运算( l a r s e n ) r ，= 彳斗丑= j 儿( 工) v 地( j ，) ( 五) ，) 模糊蕴涵算术运算( z a d e h ) r 。= 彳 口= f l ( 1 一心( 工) + 如( ) ，) ) ( x ，y ) “y 模糊蕴涵的布尔运算 r 。= a - - b = f ( 1 一以( 石) ) v 儿( y ) j ，) ( 2 7 ) ( 2 8 ) ( 2 9 ) ( 2 i 0 ) 基于“如果一则”规则的模糊推理 在模糊推理中有两类最主要的模糊蕴涵推理方式：一类是广义的肯定式推理 方法，另一类是广义的否定式推理方法，这两种推理均由模糊蕴涵和模糊关系的 合成两种计算组成。 肯定式输入条件：旋a 逻辑规则：如果堤爿则堤口 推理输出： 是b 对于广义肯