[发明专利]一种基于HSMM的空调机组设备的故障预测方法

权利要求书

1.一种基于HSMM的空调机组设备的故障预测方法，其特征在于，包括如下步骤：

步骤A.基于空调机组故障相关变量分别沿时序的变化，构建空调机组上冷却盘管与风扇分别所对应各故障特征时序变化，进而获得冷却盘管与风扇分别所对应故障特征矩阵X_cc、X_sf，并进一步针对故障特征矩阵X_cc、X_sf，分别执行故障特征降维操作，获得冷却盘管与风扇分别所对应的主故障特征矩阵O_cc、O_sf，然后进入步骤B；

步骤B.根据冷却盘管与风扇分别所对应的主故障特征矩阵O_cc和O_sf，构建冷却盘管不同故障分别所对应的初始半隐马尔可夫模型，以及构建风扇不同故障分别所对应的初始半隐马尔可夫模型，并基于主故障特征矩阵O_cc和O_sf中的预设比例训练数据，应用吉布斯采样法分别针对各初始半隐马尔可夫模型进行训练，获得冷却盘管不同故障分别所对应的半隐马尔可夫模型，以及风扇不同故障分别所对应的半隐马尔可夫模型，然后进入步骤C；

步骤C.基于冷却盘管与风扇分别所对应主故障特征矩阵O_cc和O_sf中的预设比例测试数据，采用缩放维特比算法，获得冷却盘管不同故障与风扇不同故障分别所对应半隐马尔可夫模型、对应时刻1至时刻K的状态估计，然后进入步骤D；

步骤D.针对冷却盘管与风扇，应用后向递归算法将设备各故障分别所对应的半隐马尔可夫模型进行集成，获得空调机组、以及其冷却盘管与风扇分别所对应的半隐马尔可夫模型，并进一步获得空调机组、以及其冷却盘管与风扇所对应半隐马尔可夫模型的当前状态估计值，然后进入步骤E；

步骤E.根据空调机组、以及其冷却盘管与风扇分别所对应的半隐马尔可夫模型、以及各设备当前状态估计值，采用后向递归算法，计算获得空调机组以及其中的冷却盘管与风扇的剩余使用寿命。

2.根据权利要求1所述一种基于HSMM的空调机组设备的故障预测方法，其特征在于，所述步骤A包括如下步骤A1至步骤A5：

步骤A1.采集空调机组冷冻水流量送风流量分别对应时刻1至时刻K的时序变化与分别作为空调机组上的故障特征时序变化；

同时，采集空调机组送风温度T_a,sup与其预设值T_sup,spt之间差值对应时刻1至时刻K的时序变化ΔT_sup,spt(1)、…、ΔT_sup,spt(K)，作为空调机组上的故障特征时序变化，然后进入步骤A2；

步骤A2.构建训练冷却盘管所对应以冷冻水流量混风流量以及混风温度T_a,mix与冷冻水送水温度T_chw,sup差值为输入，以冷却盘管的换热量估计值为输出的反向传递神经网络，并应用T_a,mix-T_chw,sup分别对应时刻1至时刻K的时序变化，获得换热量估计值对应时刻1至时刻K的时序变化；

然后根据冷冻水比热容c_pw、以及冷冻水回水温度T_chw,rn，应用如下公式：

获得换热量Q_cc对应时刻1至时刻K的时序变化，进而按获得ΔQ_cc对应时刻1至时刻K的时序变化ΔQ_cc(1)、…、ΔQ_cc(K)，作为空调机组上的故障特征时序变化，并进入步骤A3；

步骤A3.应用灰箱模型、以及粒子滤波方法，获得空调机组上冷却盘管上管壁内径估计值与肋片面积估计值分别对应时刻1至时刻K的时序变化与以及获得风扇的效率估计值对应时刻1至时刻K的时序变化然后进入步骤A4；

步骤A4.获得冷却盘管与风扇分别所对应故障特征矩阵X_cc、X_sf分别如下：

然后进入步骤A5；

步骤A5.针对故障特征矩阵X_cc、X_sf，分别执行PCA主成分分析法，针对故障特征降维操作，获得冷却盘管与风扇分别所对应的主故障特征矩阵O_cc、O_sf。