智能化故障診斷技術的應用范文

本站小編為你精心準備了智能化故障診斷技術的應用參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

當前智能化故障診斷技術作為一種有效的故障防范策略，已被融入到現(xiàn)代空調(diào)制冷系統(tǒng)的實踐應用當中，它不僅可有效降低制冷系統(tǒng)的運行成本，而且還能明顯提升系統(tǒng)運行的安全性與可靠性。本文結合工作實踐，著重就智能化故障診斷技術在空調(diào)制冷系統(tǒng)中的應用進行了探索與研究。

關鍵詞：

制冷系統(tǒng)；故障診斷；智能化

近年來，隨著我國經(jīng)濟的快速發(fā)展，制冷系統(tǒng)在人們?nèi)粘Ｉ睢⒐I(yè)生產(chǎn)中的應用已越發(fā)普及，其重要性也不斷增強。如何進一步提升制冷系統(tǒng)的安全性與可靠性，已成為了當前國內(nèi)外眾多學者所共同關注的焦點問題。智能化故障診斷技術作為一種有效的故障防范策略，它能通過實時、自動的監(jiān)測和采集制冷系統(tǒng)的狀態(tài)信息與運行參數(shù)，以起到有效預測故障發(fā)生、判定故障性質(zhì)、評估系統(tǒng)運行狀態(tài)以及延長系統(tǒng)正常使用壽命的目的。

1制冷系統(tǒng)的故障特點

制冷系統(tǒng)根據(jù)其工作原理，主要分為蒸汽壓縮式制冷系統(tǒng)、吸收式制冷系統(tǒng)、半導體式制冷系統(tǒng)以及吸附式制冷系統(tǒng)等多種類型。以蒸汽壓縮式制冷系統(tǒng)為例，其常見故障類型包括了：制冷劑泄漏、冷卻水量減少、管路壓力增大等問題，而導致系統(tǒng)冷卻效率的降低及系統(tǒng)能耗的增加。正是由于蒸汽壓縮式制冷系統(tǒng)的構成元件多（制冷壓縮機、節(jié)流裝置、熱交換設備、管道等）、循環(huán)工作狀態(tài)復雜（包括制冷劑、水、空氣、油等），因此當制冷系統(tǒng)故障發(fā)生時，具有故障原因復雜、故障征兆復雜的特點，且存在著較多不易被檢測的參數(shù)，部分檢測數(shù)據(jù)與故障問題之間的關聯(lián)性也不明顯。因此，在制冷系統(tǒng)的故障診斷時，如果只依靠維護人員的個人經(jīng)驗或儀器進行故障的查找與排除時，不僅診斷效率低，而且檢修成本高、檢修失誤率高。針對以上問題，近年來制冷系統(tǒng)的故障診斷技術，已逐步由傳統(tǒng)的單一化、常規(guī)化的診斷方法，發(fā)展為以人工智能技術、信息技術等先進技術為基礎的智能化診斷方式。

2智能化故障診斷技術在制冷系統(tǒng)中的具體應用

智能化故障診斷技術，是近年來發(fā)展非常迅速的一門綜合性應用技術，也是由現(xiàn)代人工智能學、控制學、信號處理學、模型識別學等多種學科所交叉形成的新興學科。

2.1常見智能化故障診斷技術的類型。目前，應用于制冷系統(tǒng)中的智能化故障診斷技術，其常見類型包括了基于數(shù)學模型的故障診斷技術、基于直接可測信號的故障診斷技術、基于知識經(jīng)驗的故障診斷技術這三大類。其中，基于可測信號和知識經(jīng)驗的故障診斷技術，也被稱為直接診斷法，它是直接利用制冷系統(tǒng)的可測信號與知識經(jīng)驗，以判定故障類型、預測故障發(fā)生的方法，常見的診斷技術包括了專家系統(tǒng)診斷法、模糊數(shù)學診斷法、神經(jīng)網(wǎng)絡診斷法、小波分析診斷法等；而基于數(shù)學模型的故障診斷技術，則被稱為間接診斷法，它是間接利用數(shù)學模型，以全面反映與評估制冷系統(tǒng)的故障情況及安全性的方法，常見數(shù)學模型包括了故障樹模型、攻擊樹模型、攻擊圖模型等。

2.2智能化故障診斷技術的具體應用

2.2.1專家系統(tǒng)的應用。專家系統(tǒng)診斷技術，它屬于當前人工智能技術領域中一個前沿分支，即是將一些已在實踐中得以驗證的知識經(jīng)驗進行數(shù)字化表達，并通過存入計算機系統(tǒng)中，從而以形成具備強大推理能力、決策能力的專家系統(tǒng)。用于制冷系統(tǒng)中的專家系統(tǒng)，其工作原理詳見圖1所示。該專家系統(tǒng)主要由故障診斷模塊、故障解釋模塊、故障處理模塊、模擬顯示模塊、學習查詢模塊以及智能輸出模塊這幾大功能模塊所構成。通過專家系統(tǒng)的應用，制冷系統(tǒng)的故障診斷過程能由系統(tǒng)代替人類專家，并利用其強大的數(shù)據(jù)庫資源與邏輯推理能力，以提升對系統(tǒng)故障預測、診斷的準確性與效率。

2.2.2人工神經(jīng)網(wǎng)絡的應用。人工神經(jīng)網(wǎng)絡（ANN），是指通過人的大腦對信息加工、處理及存儲的機制，所提出的一種智能化信息處理的非線性模型，也是由大量的神經(jīng)元（處理單元）所進行互聯(lián)而得到的一種復雜的神經(jīng)網(wǎng)絡系統(tǒng)。與專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡具有更高的時間效率，以及更高的故障診斷質(zhì)量。進入21世紀以來，人工神經(jīng)網(wǎng)絡智能診斷系統(tǒng)迅速發(fā)展，并已成為國際上故障診斷領域的最新熱點，同時神經(jīng)網(wǎng)絡用于制冷與空調(diào)系統(tǒng)故障診斷也產(chǎn)生了大量研究成果。例如：利用人工神經(jīng)網(wǎng)絡的BP算法（見圖2），能真實反映出制冷系統(tǒng)運行時的期望值與測量值之間的差值，即殘差（residual）值，并通過評價殘差值以反映出制冷系統(tǒng)的安全性狀況，并可診斷與預報系統(tǒng)故障類型及故障點定位，從而實現(xiàn)較高的故障診斷精度與準確性；利用人工神經(jīng)網(wǎng)絡與專家系統(tǒng)相結合的混合智能診斷系統(tǒng)，該系統(tǒng)不僅能有效解決專家系統(tǒng)的信息采集難題，而且通過專家系統(tǒng)的數(shù)據(jù)庫還能解決人工神經(jīng)網(wǎng)絡的“黑箱”問題，兩者互為補充，因此在制冷系統(tǒng)故障診斷的實踐應用方面具有明顯的優(yōu)越性。

2.2.3模糊診斷法的應用。制冷系統(tǒng)在運行過程中，其故障征兆與引發(fā)故障的原因之間，往往并不是一一對應的關系，尤其是對于大型制冷系統(tǒng)中，這種不確定性更加明顯。而模糊診斷法，是以模糊數(shù)學為基礎的一種故障識別方法，它能利用故障征兆與引起原因之間的這種不確定性來進行系統(tǒng)的故障診斷。由于制冷系統(tǒng)的復雜性以及故障征兆與原因間的不確定性，在許多故障診斷問題中，其故障機理非常適合采用模糊數(shù)學規(guī)則來進行描述，并能有效克服空調(diào)制冷系統(tǒng)因設備的復雜性所帶來的診斷困難問題，因此具備了較強的實用價值。一個典型的應用于空調(diào)制冷系統(tǒng)中的模糊診斷系統(tǒng)的結構，詳見圖3所示。如圖3所示，用于制冷系統(tǒng)的模糊診斷系統(tǒng)，主要由模糊化接口、模糊規(guī)則庫、模糊推理機、非模糊化接口等多個部分所構成。其中，模糊化接口通常采用A/D和D/A轉換器作為接口裝置，其作用采集制冷系統(tǒng)中精確的、連續(xù)變化的輸入量轉化為模糊量，以便實現(xiàn)模糊推理；模糊推理機即模糊控制器，它也是模糊診斷系統(tǒng)的核心，可通過利用知識庫中的規(guī)則對模糊量進行運算與分析，并得出模糊結論；而非模糊化接口，其主要作用是將模糊推理所得到的結構，轉換為非模糊值即清晰值，從而實現(xiàn)對制冷系統(tǒng)故障結論的清晰表達。目前，模糊診斷法已被成功運用到制冷系統(tǒng)的智能化故障診斷中。例如：將模糊數(shù)學理論與人工神經(jīng)網(wǎng)絡相結合，可采用模糊方法處理神經(jīng)網(wǎng)絡的輸出結果，并對推理過程進行解釋；將模糊數(shù)學理論與專家系統(tǒng)相結合，則可利用模糊數(shù)學中的模糊變換原理對制冷系統(tǒng)的安全性能進行評定，并在此基礎上構建專家系統(tǒng)等等。

2.2.4小波分析法的應用。小波分析法，是一種新型的線性時頻分析的方法。當前，以小波變換分析為基礎的信號處理方法，已廣泛應用于各類設備的故障診斷當中，并取得了一系列研究成果。由于制冷系統(tǒng)在發(fā)生故障時，會出現(xiàn)一些瞬變信號或脈沖信號，而這些參數(shù)的變化也往往隱藏著重要的故障信息。而小波分析法是一種窗口面積恒定、窗口形狀可變的時頻局部化分析方法，它不僅具有多分辨率和時頻局部性的特點，而且能夠有效處理非平穩(wěn)信號，因此非常適用于分析制冷系統(tǒng)的瞬態(tài)信號或時變信號。目前，小波分析法在制冷系統(tǒng)故障診斷中的應用，主要是針對制冷系統(tǒng)的吸氣閥片損壞、排氣閥片損壞以及制冷壓縮機停轉等故障的智能化診斷，利用小波分析法的預處理功能，能提前查找到制冷系統(tǒng)中各元件的故障先兆，從而以及早地發(fā)現(xiàn)并預報故障。

2.2.5故障樹模型的應用。由于制冷系統(tǒng)中所發(fā)生的故障，通常具有層次特性，即故障原因和后果之間往往具有多層的關系。故障樹模型診斷技術，即是以系統(tǒng)最不希望發(fā)生的事件（頂事件）為分析目標，以可能導致頂事件發(fā)生的其他事件為中間事件或底事件，按樹枝狀逐級細化，從而依次找出制冷系統(tǒng)的全部故障因素。目前，故障樹模型在制冷系統(tǒng)中的實際應用，主要用于溴化鋰吸收式制冷機組的故障診斷中，它可準確分析與診斷“冷劑水損失”和“冷劑水污染”等問題。通過分析與計算，能將制冷系統(tǒng)中的故障事件進行重要度分級，從而找出制冷系統(tǒng)中最薄弱的因素，以此實現(xiàn)對系統(tǒng)中故障類型的準確識別、預測與診斷。同時，利用故障樹模型，還能實現(xiàn)對制冷系統(tǒng)的改進設計，以實現(xiàn)制冷系統(tǒng)整體上的節(jié)能優(yōu)化與安全優(yōu)化。

3結論

本文主要以專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、模糊診斷法、小波分析法、故障樹模型這幾種智能化故障診斷技術為例，就其在制冷系統(tǒng)中的應用進行了探索與研究。通過智能化診斷技術的應用，不僅能及時查找出制冷系統(tǒng)的故障原因及故障類型，以迅速排除故障，而且能自動預測故障的發(fā)生，減輕了故障問題所帶來的影響與后果，從而起到了降低系統(tǒng)的運行成本，提高系統(tǒng)運行安全性與可靠性的目的，具有極高的應用價值與應用效果。

參考文獻

[1]盧靜.智能化技術在電氣工程自動化中的應用價值[J].科技與創(chuàng)新,2015(16):154-154.

[2]閆林巍.壓縮制冷系統(tǒng)的故障分析和解決方法[J].中國高新技術企業(yè),2014(20):79-80.

[3]侍孝虎.制冷系統(tǒng)隱性故障分析[J].常州信息職業(yè)技術學院學報,2014,13(3):43-45.

[4]丁曉雄.制冷系統(tǒng)監(jiān)測儀的設計及關鍵技術研究[D].杭州：杭州電子科技大學,2014.

作者：孫罡 雷學云 單位：南京都樂制冷設備有限公司