一种基于DBN模型的冷水机组故障诊断方法技术

本发明专利技术公开了一种基于DBN模型的冷水机组故障诊断方法，包括：通过传感器采集到的实验或现场冷水机组存储的历史数据，获得无故障和故障运行的历史数据，对历史数据进行稳态筛选和特征提取；利用统计学和概率论的方法确定条件概率值，并构建DBN模型；若无正确率过低的故障，则输出DBN模型，若存在正确率过低的故障，则增补额外的非传感器信息；重新构建融入现场信息的DBN模型进行故障诊断，并对该模型是否可用于冷水机组的故障诊断进行评价；该方法有效克服了目前条件高斯网络和三层诊断贝叶斯网络存在的主要局限性，大大提升了故障诊断系统现场应用的可能性。

A fault diagnosis method for Chillers Based on DBN model

【技术实现步骤摘要】
一种基于DBN模型的冷水机组故障诊断方法
本专利技术属于空调系统中冷水机组故障诊断
，具体涉及一种基于离散型贝叶斯网络(DBN)模型的冷水机组故障诊断方法。
技术介绍
冷水机组是空调系统中的主要耗能设备，发生故障时会导致其能效劣化，寿命下降，通过冷水机组的故障诊断，及时发现故障、排除故障，对空调系统可靠运行及节约能源具有重要意义。故障诊断系统的核心在于如何快速定位已发故障的第一故障点及根据诊断结果进行预防性维修。而贝叶斯网络对于解决复杂系统不确定因素引起的故障具有很大的推理优势，被认为是目前不确定知识表达和推理领域最有效的理论模型之一，能够综合先验信息和样本信息，因此非常适合在故障诊断领域中应用。近年来，有学者将贝叶斯网络应用到冷水机组性能评估领域，取得了一定的成果。然而，在现有的研究仍存在局限性，已有的条件高斯网络(CGN)在建模时，认为来自传感器的各特征信息服从高斯分布，而在实际运行过程中，其真实分布可能偏离高斯分布，从而对模型的精度产生影响；而已有的三层诊断贝叶斯网络虽将来自传感器的各特征信息(征兆)进行了离散化来描绘其真实分布，但是三层诊断贝叶斯网络中对于故障特征节点的本文档来自技高网...

【技术保护点】
一种基于DBN模型的冷水机组故障诊断方法，其特征在于，包括下述步骤：步骤1：通过传感器采集到的实验或现场冷水机组存储的历史数据，获得无故障和故障运行的历史数据；步骤2：使用已有的稳态过滤方法对历史数据进行稳态筛选；步骤3：对稳态筛选后的历史数据进行特征选择；步骤4：根据稳态筛选和特征选择后得到的测试样本，确定征兆节点简化的条件概率值；步骤5：使用所得条件概率值和特征选择的结果构建DBN模型；步骤6：使用构建的DBN模型来进行故障诊断，并对该模型是否可用于冷水机组的故障诊断进行评价；当DBN模型进行冷水机组的故障诊断正确率达到80％及以上时，则该DBN模型可用于冷水机组的故障诊断；当DBN模型进...

【技术特征摘要】
1.一种基于DBN模型的冷水机组故障诊断方法，其特征在于，包括下述步骤：步骤1：通过传感器采集到的实验或现场冷水机组存储的历史数据，获得无故障和故障运行的历史数据；步骤2：使用已有的稳态过滤方法对历史数据进行稳态筛选；步骤3：对稳态筛选后的历史数据进行特征选择；步骤4：根据稳态筛选和特征选择后得到的测试样本，确定征兆节点简化的条件概率值；步骤5：使用所得条件概率值和特征选择的结果构建DBN模型；步骤6：使用构建的DBN模型来进行故障诊断，并对该模型是否可用于冷水机组的故障诊断进行评价；当DBN模型进行冷水机组的故障诊断正确率达到80％及以上时，则该DBN模型可用于冷水机组的故障诊断；当DBN模型进行冷水机组的故障诊断正确率小于80％时，则需增补额外的非传感器信息；步骤7：在DBN模型的征兆节点中添加额外的非传感器信息，重新构建DBN模型，并对该模型是否可用于冷水机组的故障诊断进行评价，满足则确定该模型为冷水机组故障诊断模型；不满足则重复步骤7，直至满足要求。2.根据权利要求1所述的一种基于DBN模型的冷水机组故障诊断方法，其特征在于，所述步骤1中，安装在现场的冷水机组的传感器包括温度、压力、流量或功率传感器。3.根据权利要求1所述的一种基于DBN模型的冷水机组故障诊断方法，其特征在于，所述步骤3中，特征选择的原则为获取成本低和对冷水机组的故障敏感；所述获取成本低为由温度传感器和压力传感器获得的特征；所述对冷水机组的故障敏感为故障能引起特征的显著变化。4.根据权利要求1所述的一种基于DBN模型的冷水机组故障诊断方法，其特征在于，所述步骤4中，简化的条件概率值为单个故障发生时与之关联的征兆节点表现为过低、正常和过高的概率；其中：确定简化的条件概率值包括下述过程：4a)将测试样本随机划分为训练集和测试集；...

【专利技术属性】
技术研发人员：王智伟，王亚兰，何所谓，王占伟，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西,61