[发明专利]一种空调水系统调节阀故障智能诊断方法

摘要

本发明公开一种空调水系统调节阀故障智能诊断方法，基于支持向量机理论的可进行故障检测与诊断的空调水系统调节阀，从而进行空调水系统调节阀初期故障发生时故障的检测与诊断。从而解决高维度问题、非线性问题、小样本情况下的机器学习问题方面的局限性；以及解决现阶段空调水系统调节阀故障调节敏感性、准确性问题。

主权项

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。