[发明专利]一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法

说明书

本发明公开了一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，包括：通过实验或现场存储的历史数据获得故障的历史数据，进行稳态筛选和特征选择；利用基于信息熵的离散化算法对历史数据进行离散化处理，统计频率确定条件概率，构建网络模型；并对模型的性能进行验证。该方法有效克服了传统基于专家离散的贝叶斯网络冷水机组故障诊断存在的主要局限性，大大提升了故障诊断系统现场应用的可能性。

技术领域

本发明属于空调系统中冷水机组故障诊断技术领域，具体涉及一种基于信 息熵离散型贝叶斯网络(EBD-DBN)的冷水机组故障诊断(FD)方法。

背景技术

冷水机组是暖通空调系统中的主要耗能设备，发生故障时会导致机组性能 的逐步劣化、寿命下降，通过将FD技术应用于冷水机组，及时发现故障并排除 故障，对暖通空调系统的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，现有研究仍存在局限性：贝叶斯分类器不易处理连续属性，解 决这个问题的一个方法是将连续属性离散化，但是传统的基于专家调查的离散 过程伴随着显著的信息丢失，使来自传感器的各特征信息没有得到充分的利用。 如何减少信息丢失是进一步提高故障诊断正确率的关键。

发明内容

为解决现有技术中存在的上述缺陷，本发明提出了一种基于信息熵离散型 贝叶斯网络冷水机组故障诊断方法，该方法在现场冷水机组故障诊断应用中， 利用基于信息熵的离散化算法对故障运行的历史数据进行离散化处理，然后经 统计频率确定故障特征节点的条件概率，从而有效减少了信息丢失，提高了故 障诊断正确率。

为了有效克服传统基于专家调查的离散型贝叶斯网络存在的主要局限性， 提出了一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，包括：(1)对 故障运行数据进行稳态筛选和特征选择；(2)利用信息熵离散化算法对故障运行 数据进行离散化处理；(3)经统计离散化后得到的各区间内各特征信息的频率确 定条件概率值；(4)根据选择的特征和条件概率确定构造网络模型；(5)使用已 构建的网络模型进行故障诊断。

实现本发明的目的的技术路径是：首先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，获得故障运行的历史数据，对历史数据进行稳态筛选 和特征选择后得到测试样本；其次利用信息熵离散和频率统计相结合的方法， 根据测试样本确定征兆节点的条件概率值；然后，使用所得条件概率值和特征 选择的结果构建网络模型，最后采用已构建好的网络模型进行故障诊断。

本发明的具体技术方案如下：

一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法，包括下述步骤：

步骤1：通过传感器采集，获得冷水机组故障运行的历史数据；

步骤2：使用稳态过滤法对故障运行的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：将经稳态筛选和特征选择后的测试样本随机划分为训练集和测试 集；

步骤5：使用基于信息熵的离散化算法对所得到训练集数据进行离散化处 理；

步骤6：根据离散化和特征选择的结果构建基于信息熵离散型贝叶斯网络 (EBD-DBN)模型；

步骤7：使用测试集数据验证所构建的EBD-DBN模型的故障诊断性能，即进 行故障诊断。