[发明专利]一种空调水系统调节阀故障智能诊断方法

权利要求书

1.一种空调水系统调节阀故障智能诊断方法，其特征在于，包括以下步骤:

1)所述空调水系统模型建立

根据建筑内实际空调系统的水系统的管网系统建立仿真模型；

2)所述实际工况参数收集、特性参数提取

根据步骤1)所述的仿真模型，测试设置正常工况和若干种调节阀故障工况，多次提取各种工况下，表征故障的特性参数；所述的表征故障的特性参数包括控制器输出信号、调节阀的阀位反馈信号和调节阀后流量；

3)基于SVM的故障检测模型训练

3-1)选取步骤2)所获得的全部调节阀故障工况下的调节阀的阀位反馈信号，将其作为一个故障工况数据集；

选取步骤2)所获得的调节阀正常工况下的调节阀的阀位反馈信号，将其作为正常工况数据集；

故障工况数据集和正常工况数据集作为SVM的故障诊断模型训练的输入；

对数据进行等间距拆分为两部分，一部分作为SVM分类模型的训练集，从而获得调节阀故障检测模型，另一部分则作为模型测试集。

3-2)将训练集和测试集中的数据进行可视化处理后，利用MATLAB自带的归一化函数对数据进行离差标准化的归一化处理；

3-3)在完成数据的归一化处理之后，开始进行支持向量机故障分类模型的参数优选过程。优选过程的目的是获得最佳的SVM的核参数g和惩罚因子c；

3-4)根据步骤3-3)获得的最优参数进行模型的训练，训练过程通过LIBSVM工具箱完成，最终得到故障检测模型；

4)基于SVM的故障诊断模型训练

4-1)将步骤2)所获得的将每种工况的数据进行等间距拆分为两部分，一部分作为SVM分类模型的训练集，从而获得调节阀故障检测模型，另一部分则作为模型测试集。

4-2)将训练集和测试集中的数据进行可视化处理后，利用MATLAB自带的归一化函数对数据进行离差标准化的归一化处理；

4-3)在完成数据的归一化处理之后，开始进行支持向量机故障分类模型的参数优选过程。优选过程的目的是获得最佳的SVM的核参数g和惩罚因子c，以获取最为准确的故障检测分类模型；

4-4)根据步骤4-3)获得的最优参数进行模型的训练，训练过程通过LIBSVM工具箱完成，最终得到故障诊断模型；

5)基于SVM的故障诊断模型训练，得到诊断结果

采集水冷式中央空调系统的水系统的工况参数和特性参数；根据步骤3)得到的故障检测模型，判断空调系统的水系统是否发生调节阀故障：若是，通过步骤4)获得的故障诊断模型来检测故障类型。