基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置，基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，通过贝叶斯推理建立传感器偏移量及冷却盘管换热性能虚拟传感的后验分布概率密度函数，通过马尔科夫链蒙特卡罗方法获得相关参数的概率分布，进而校正传感器偏移量并确定冷却盘管换热性能故障水平。本发明专利技术将实时测定获得的冷却盘管水侧及风侧温度传感器测量值数据集输入到目标函数,从而获得各参数的校正结果。该结果输入到冷却盘管控制系统中，可实现传感器偏移量准确的原位校正并测定出冷却盘管换热性能故障水平，进而移除故障，实现冷却盘管系统节能高效运行。

【技术实现步骤摘要】
基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置
本专利技术属于冷却盘管系统故障智能检测诊断
，具体涉及一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置。
技术介绍
在暖通空调系统中冷却盘管作为冷热源系统和空调末端系统冷热传递的媒介，为室内环境提供适宜的温度、湿度及空气质量，进而满足人们日常的生活、生产要求。然而，冷却盘管系统时常会产生各种故障，其故障类型主要包括传感器偏移量及换热性能故障，这些故障严重抑制了冷却盘管系统高效地运行，进而增加了大量不必要的能量消耗。现有的冷却盘管系统故障检测诊断技术通常只是单一地校正传感器偏移量或检测诊断冷却盘管换热性能故障。在实际运行过程中，由于安装、维护不当等因素的影响，可能会同时出现传感器偏移量和冷却盘管换热性能故障同时发生的情况，进而导致冷却盘管系统的高能耗。因此，冷却盘管系统中传感器偏移量及换热性能故障的同步检测诊断，对进一步保证冷却盘管系统的节能运行具有重要意义。
技术实现思路
本专利技术的目的在于克服现有技术存在的问题，提出了一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，通过贝叶斯推理建立传感器偏移量及冷却盘管换热性能虚拟传感的后验分布概率密度函数，通过马尔科夫链蒙特卡罗方法获得相关参数的概率分布，进而校正传感器偏移量并确定冷却盘管换热性能故障水平，实现冷却盘管高效节能运行。为了实现上述技术目的，本专利技术的技术方案是，一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，步骤如下：步骤1：基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，并将实时测定的温度传感器测量值数据集输入到目标函数中；步骤2：建立温度传感器偏移量及虚拟水流量传感器偏移量的先验分布概率密度函数，且各参数先验分布满足正态分布；步骤3：将目标函数结合到贝叶斯推理的似然函数中，获得后验分布概率密度函数；步骤4：设定采样数量作为迭代次数，然后基于马尔科夫链蒙特卡罗方法中的Metropolis-Hastings算法，将温度传感器偏移量及虚拟水流量传感器偏移量的先验分布平均值作为马尔科夫链的初始样本；步骤5：采用对角线依次为温度传感器偏移量及虚拟水流量传感器偏移量的先验分布标准差的对角矩阵作为协方差矩阵，基于协方差矩阵建立一个多元正态分布概率密度函数作为概率密度函数，概率密度函数的中心为步骤4中得到的初始样本，并从概率密度函数中生成一个候选样本；在更新候选样本时，是通过向上个样本添加一个预定义数值范围内的随机数来实现；步骤6：计算候选样本的接受比率；步骤7：根据接受比率选择一个新的参数样本：在每次迭代中，将接受比率与从[0,1]中随机产生的数值进行比较。当接受比率不小于随机产生的数值时，则本次迭代选择的参数样本为当前迭代得到的参数样本，否则选择上一次迭代得到的参数样本作为本次迭代选择的参数样本；步骤8：检查是否达到设定的采样数量即获得预设的参数样本数量，如果达到，则执行步骤9，否则返回步骤4，并以步骤7中获得的参数样本作为步骤4中的先验分布平均值；步骤9：对所有的样本进行统计，获得样本的统计特征，包括均值、中间值和标准差；步骤10：对虚拟水流量传感器偏移量的所有样本数值换算成冷却盘管换热性能退化水平值，获得冷却盘管换热性能退化水平样本的统计特征并判断故障；步骤11：将温度传感器偏移量样本均值作为传感器误差偏移量，传输到冷却盘管系统的控制器中，校正传感器的测量精度。所述的一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，所述的步骤1中，所述的目标函数表达式如下：其中，D(X)为目标函数，N为温度传感器测量集数目，i为温度传感器测量集序号，M1i、M2i、M3i、M4i分别为冷水供水、冷水回水、进风、出风温度传感器测量集参数，x1、x2、x3、x4分别为冷水供水、冷水回水、进风、出风温度传感器偏移量，xm、xUA分别为虚拟水流量传感器偏移量及冷却盘管换热性能故障水平，mrate为额定水流量，UA为冷却盘管额定换热性能，c为水的定比热容。所述的一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，所述的步骤3中，所述的贝叶斯推理表达式如下：P(Y)＝∫P(Y|x)×π(x)dx其中，P(x|Y,π(x))为后验分布概率密度函数，P(Y)为标准化常量，P(Y|x)为似然函数，π(x)为先验分布概率密度函数，x为指传感器偏移量和虚拟流量传感器偏移量；Y为观测值。所述的一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，所述的步骤6中，接受比率α的表达式如下：其中为概率密度函数，为从概率密度函数中生成的候选样本，Xt-1为上个候选样本。一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断装置，包括：目标函数构建模块：用于基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，并将实时测定的温度传感器测量值数据集输入到目标函数中；先验分布概率密度函数构建模块：用于建立温度传感器偏移量及虚拟水流量传感器偏移量的先验分布概率密度函数，且各参数先验分布满足正态分布；后验分布概率密度函数构建模块：用于将目标函数结合到贝叶斯推理的似然函数中，获得后验分布概率密度函数；Metropolis-Hastings算法设置模块：用于设定采样数量作为迭代次数，然后基于马尔科夫链蒙特卡罗方法中的Metropolis-Hastings算法，将温度传感器偏移量及虚拟水流量传感器偏移量的先验分布平均值作为马尔科夫链的初始样本；候选样本生成模块：用于采用对角线依次为温度传感器偏移量及虚拟水流量传感器偏移量的先验分布标准差的对角矩阵作为协方差矩阵，基于协方差矩阵建立一个多元正态分布概率密度函数作为概率密度函数，概率密度函数的中心为Metropolis-Hastings算法设置模块中得到的初始样本，并从概率密度函数中生成一个候选样本；在更新候选样本时，是通过向上个样本添加一个预定义数值范围内的随机数来实现；接受比率计算模块：用于计算候选样本的接受比率；参数样本选择模块：用于根据接受比率选择一个新的参数样本：在每次迭代中，将接受比率与从[0,1]中随机产生的数值进行比较。当接受比率不小于随机产生的数值时，则本次迭代选择的参数样本为当前迭代得到的参数样本，否则选择上一次迭代得到的参数样本作为本次迭代选择的参数样本；循环执行检测模块：用于检查是否达到设定的采样数量即获得预设的参数样本数量，如果达到，则转由统计模块执行，否则由Metropolis-Hastings算法设置模块重新执行，并以参数样本选择模块中获得的参数样本作为先验分布平均值；统计模块：用于对所有的样本进行统本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，其特征在于，步骤如下：/n步骤1：基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，并将实时测定的温度传感器测量值数据集输入到目标函数中；/n步骤2：建立温度传感器偏移量及虚拟水流量传感器偏移量的先验分布概率密度函数，且各参数先验分布满足正态分布；/n步骤3：将目标函数结合到贝叶斯推理的似然函数中，获得后验分布概率密度函数；/n步骤4：设定采样数量作为迭代次数，然后基于马尔科夫链蒙特卡罗方法中的Metropolis-Hastings算法，将温度传感器偏移量及虚拟水流量传感器偏移量的先验分布平均值作为马尔科夫链的初始样本；/n步骤5：采用对角线依次为温度传感器偏移量及虚拟水流量传感器偏移量的先验分布标准差的对角矩阵作为协方差矩阵，基于协方差矩阵建立一个多元正态分布概率密度函数作为概率密度函数，概率密度函数的中心为步骤4中得到的初始样本，并从概率密度函数中生成一个候选样本；在更新候选样本时，是通过向上个样本添加一个预定义数值范围内的随机数来实现；/n步骤6：计算候选样本的接受比率；/n步骤7：根据接受比率选择一个新的参数样本：在每次迭代中，将接受比率与从[0,1]中随机产生的数值进行比较。当接受比率不小于随机产生的数值时，则本次迭代选择的参数样本为当前迭代得到的参数样本，否则选择上一次迭代得到的参数样本作为本次迭代选择的参数样本；/n步骤8：检查是否达到设定的采样数量即获得预设的参数样本数量，如果达到，则执行步骤9，否则返回步骤4，并以步骤7中获得的参数样本作为步骤4中的先验分布平均值；/n步骤9：对所有的样本进行统计，获得样本的统计特征，包括均值、中间值和标准差；/n步骤10：对虚拟水流量传感器偏移量的所有样本数值换算成冷却盘管换热性能退化水平值，获得冷却盘管换热性能退化水平样本的统计特征并判断故障；/n步骤11：将温度传感器偏移量样本均值作为传感器误差偏移量，传输到冷却盘管系统的控制器中，校正传感器的测量精度。/n...

【技术特征摘要】
1.一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，其特征在于，步骤如下：
步骤1：基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，并将实时测定的温度传感器测量值数据集输入到目标函数中；
步骤2：建立温度传感器偏移量及虚拟水流量传感器偏移量的先验分布概率密度函数，且各参数先验分布满足正态分布；
步骤3：将目标函数结合到贝叶斯推理的似然函数中，获得后验分布概率密度函数；
步骤4：设定采样数量作为迭代次数，然后基于马尔科夫链蒙特卡罗方法中的Metropolis-Hastings算法，将温度传感器偏移量及虚拟水流量传感器偏移量的先验分布平均值作为马尔科夫链的初始样本；
步骤5：采用对角线依次为温度传感器偏移量及虚拟水流量传感器偏移量的先验分布标准差的对角矩阵作为协方差矩阵，基于协方差矩阵建立一个多元正态分布概率密度函数作为概率密度函数，概率密度函数的中心为步骤4中得到的初始样本，并从概率密度函数中生成一个候选样本；在更新候选样本时，是通过向上个样本添加一个预定义数值范围内的随机数来实现；
步骤6：计算候选样本的接受比率；
步骤7：根据接受比率选择一个新的参数样本：在每次迭代中，将接受比率与从[0,1]中随机产生的数值进行比较。当接受比率不小于随机产生的数值时，则本次迭代选择的参数样本为当前迭代得到的参数样本，否则选择上一次迭代得到的参数样本作为本次迭代选择的参数样本；
步骤8：检查是否达到设定的采样数量即获得预设的参数样本数量，如果达到，则执行步骤9，否则返回步骤4，并以步骤7中获得的参数样本作为步骤4中的先验分布平均值；
步骤9：对所有的样本进行统计，获得样本的统计特征，包括均值、中间值和标准差；
步骤10：对虚拟水流量传感器偏移量的所有样本数值换算成冷却盘管换热性能退化水平值，获得冷却盘管换热性能退化水平样本的统计特征并判断故障；
步骤11：将温度传感器偏移量样本均值作为传感器误差偏移量，传输到冷却盘管系统的控制器中，校正传感器的测量精度。


2.根据权利要求1所述的一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，其特征在于，所述的步骤1中，所述的目标函数表达式如下：









其中，D(X)为目标函数，N为温度传感器测量集数目，i为温度传感器测量集序号，M1i、M2i、M3i、M4i分别为冷水供水、冷水回水、进风、出风温度传感器测量集参数，x1、x2、x3、x4分别为冷水供水、冷水回水、进风、出风温度传感器偏移量，xm、xUA分别为虚拟水流量传感器偏移量及冷却盘管换热性能故障水平，mrate为额定水流量，UA为冷却盘管额定换热性能，c为水的定比热容。


3.根据权利要求1所述的一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，其特征在于，所述的步骤3中，所述的贝叶斯推理表达式如下：



P(Y)＝∫P(Y|x)×π(x)dx



其中，P(x|Y,π(x))为后验分布概率密度函数，P(Y)为标准化常量，P(Y|x)为似然函数，π(x)为先验分布概率密度函数，x为指传感器偏移量和虚拟流量传感器偏移量；Y为观测值。


4.根据权利要求3所述的一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法，其特征在于，所述的步骤6中，接受比率α的表达式如下：



其中为概率密度函数，为从概率密度函数中生成的候选样本，Xt-1为上个候选样本。


5.一种基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断装置，其特征在于，包括：
目标函数构建模块：用于基于传热方程和能量守恒方程建立温度传感器偏移量及冷却盘管换热性能虚拟传感的目标函数，并将实时测定的温度传感器测量值数据集输入到目标函数中；
先验分布概率密度函数构建模块：用于建立温度传感器偏移量及虚拟水流量传感器偏移量的先验分布概率...

【专利技术属性】
技术研发人员：王加强，黄振霖，刘志强，张宁，岳畅，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43