在冷却能力为90 T(约316 kW)的制冷剂R134a离心式冷水机组作为实验对象,七个理论分析典型的制冷系统故障,理论分析与症状之间的关系故障默认,基于使用前向包模式算法(SFFS)选择的顺序选择功能,减少甚至删除功能之间的相关性,冗余信息被抑制,为了获得不同子集的表征特征可以得到更好的缺陷结果表明:SFFS使用时所选择的算法22其中诊断的准确率为89.63%,具有原始特征集诊断的准确性大致相当于90.36%,这大大减少了in的特征数量似乎是原始功能,64维尺寸减小,在检测诊断准确性的原则下缺乏保修,这减少了诊断所需的传感器的数量和类型,初始关键字降低投资成本:制冷系统,订单选择算法,故障诊断CLC: TH 311文件编号:AAbstract:以R134a为制冷剂的90吨离心式冷水机组制冷系统,从理论上分析了7个典型缺陷。出了症状与缺陷的关系。用基于顺序前向控制函数选择(SFFS)算法的封装进行特征选择,可以找到更好的特征子集,以减少甚至消除函数和函数的相关性。果表明,SFFS算法选择了22个特征,诊断准确率达到89.63%,接近功能的诊断准确率为90.36%。始集合。可以显着消除从64到22定义的原始功能特征。确保预先可以减少传感器的类型和数量,同时降低投资成本。效将导致环境舒适或无法保证所需的冷冻温度,这将导致系统损坏。
质损坏。次,当制冷系统在默认状态下运行时,能量消耗趋于增加,这导致能量浪费。此,制冷系统故障机制研究建立一种高效准确的实时故障诊断模式,获得在线监测制冷系统,预测故障并将有执行优化非常重要[1]。
年来,随着人工智能,计算机,模式识别,数据通信,信号处理分析技术的发展,冷却故障诊断系统的方法不断完善和放最新[2]。典方法专家诊断系统常用[3],模糊理论[4],冷库安装神经网络[5]。于测量上述用于检测和诊断多个过程变量的直接冷却系统故障的方法,其中多个传感器的手段进一步增加了成本并且可变尺寸过大,之间的相关性很强另外和冗余,大数据的准确性也会影响对记忆的测量数据的识别,并且培训和应用时间提出了更高的要求,在某些情况下不能满足所有这些要求。当的表征模式或样本不仅对模式识别的准确性,样本数量和形成时间有很大影响,而且在构建分类器中起着重要作用。择特征变得非常必要。冷系统中选定的制冷剂故障诊断系统是多变量,强耦合,非线性热力系统,系统参数之间存在一定的相关性,模糊性和不确定性的原因为同一类型的失败可能会出现各种缺陷症状,同样的缺陷症状可能表现在各种不同的缺陷中,但它们之间存在因果关系。旦冷却系统出现故障,我们就要监测很多参数,得到的数据集的特征也是多功能,高噪声,非线性,这给故障诊断带来了很大的挑战,假设n的系统可能无法正常工作,并且状态的正常操作被设置为N0。n1,N2,... Nn上分别定义n个缺陷所处的状态。应于状态Ni的可测量特征向量是Si = [Si1,Si2 ... Sim],被诊断出来。过特征向量Si Ni测量的方法被确定为处理的哪个状态。实践中,如果特征向量的测量尺寸可以很高,则无论计算的复杂性如何,监视系统进行诊断或失败的成本都是不合适的。择一组函数D中的选择功能,其中m(D> m)的最佳数组。择算法在序贯的基础上对制冷系统选择功能进行故障排除,不仅可以显着降低数据集的维数,简化计算,降低设备投资开始时的成本,还要确保有效的诊断效果。
中冷凝器和蒸发器是壳管式换热器,管子取水,制冷剂冷凝器侧的入口在冷却剂入口处的蒸发器底面下方进行,模拟正常运行模式和七种典型的单一故障模式。于分析,表1给出了离心式冷水机组的正常运行模式和典型的故障模式。冷机组系统数据模拟默认采集1,采集时间间隔为10 s。且所有正常运行条件下的冷却故障模式模拟得到最终状态时64个特征参数,如表格,其中2:16给出由软件VisSim计算的实时参数;由传感器直接测量的48个参数,包括温度29,五个压力,流量5,7位置的阀门开度,压缩机功率和电流。保实验测量的准确性,同时测量电阻,蒸发器侧的热敏电阻,水温,冷凝器的测量输入和测量的输出温度四关键价值观。论分析制冷系统故障系统的失效,偏离参数的程度与正常状态相关的异常程度,一般较为严重的缺陷参数偏离较严重的物品模拟正常运行制冷系统和七种典型的故障模式0.7典型故障的特征如表3所示.7种故障,对某种故障的热力学状态的影响有一些相似之处例如冷凝器结垢,冷凝器不足,制冷剂充注过多,进入系统的冷凝气体会引起压力和冷凝温度,废气压力增加,水侧不足的蒸发器和制冷剂装料低于蒸发压力和温度导致故障会降低导致所有不同程度的容量损失,压缩机功率增加,性能系数降低,严重。至导致压缩机燃烧等事故,必须及早发现缺陷,尽早排除。对选择算法的顺序算法封装之前选择(SFSS)顺序模板是预期接近最优特征增量搜索算法。算法使用自下而上的搜索方法,将一组目标特征初始化为空集,每当满足需要时计算特征集的添加功能,得到的集合作为选择结果的函数的特征。2是顺序下游选择算法的示意图,即,函数集合M,假设函数Xi的当前子集包含i个函数,然后是其余函数。据标准J(Xi + 1)计算每个未选择的函数,选择使得全局最优特征J(Xi + 1)Xi添加特征子集以生成函数Xi + 1的新子集。并重复该步骤,直到算法结束时找到满足要求的特征数量,在纸质算法的结果中选择Matlab软件的分析和选择算法模型基于前面顺序的线性判别分析(线性判别分析算法选择顺序前向特征特征,LDA算法)结合了帧中获得的64个维度中36,000个样本的特征选择正常操作以及7种失效模式,以便选择可能很好地表示的特征子集所有原始功能。一种常用的信号处理方法,对应于Matlab“分类”功能,它不直接在训练误差中作为目标函数,很难找到最优的LDA空间分类器算法和序列在封装之前的选择算法中,顺序选择算法用于调整LDA算法中的类间矩阵特征值的大小,并且可以执行对最佳特性的搜索。
果,特征在于TRC和PRC符号被分类为61和64,并且PRE TRE被分类为28和37,描述参数在冷凝器的优先级内选择到相对蒸发器。此,研究了七种典型的缺陷类型,蒸发器侧的几个参数表征了作为冷凝器侧面的参数。法选择特征服用SFFS 22,其中组合物是最佳集合的一个函数之前设置,且在不降低的分别处理的整体诊断准确性的诊断准确性原始特征游戏尺寸设定的最佳特性故障诊断和各类故障,结果如图4所示。然整体诊断精度比原来设定的特性使用SFFS略高的算法但是用SFFS算法可以减少相当于表征特征原点特征集的次数(64滴22)。择的,不需要监控的其他非特征性特征,这大大减少了所使用的传感器的数量,这降低了初始投资成本。过按照顺序选择的结果选择的算法可以看出,向前的功能,前六个被选择,其中,所述数PO_net 48,56,24,27,45,47,VE,FWC ,TCA,TO_sump和PO_feed。机采样点在图2中以二维形式显示。图5中,横坐标为两个正常识别和各种误差类别,纵坐标是可以看出各种特征的值。5(b)中蒸发器故障的情况小于水量,其中VE完全独立于其他缺陷的样品值,即VE明显缺陷表示低水位的蒸发器;在缺少水电容器的情况下,可以在图5(c)中看到。FWC完全独立于样品的其他缺陷值时,即缺乏明确指示可以使水冷凝器的FWC缺陷,图5(d),其中,当所述TCA是13〜17℃中找到,此函数可以是清楚的显示系统包含不可冷凝的气体,其特征在于的描述不凝性气体故障指示很重要。用相同分析的方法可以发现,PO_net,PO_feed指示冷凝器的堵塞,TO_sump指示多余的润滑油是重要的结果范围。论包括选择显示,根据选择的从原始函数的最佳功能选择的模型算法22之前的顺序包64个的所选择的22个最佳表征特征进一步分析发现上七个典型故障研究,在侧面设置参数表征冷凝器蒸发器侧,缺水FWC冷凝器可以明确地指示故障,VE可以明确地指示低水蒸发器默认情况下,不凝性气体TCA指示显着故障; PO_net,是很重要的特征结构一旦选定冷凝器结垢PO_feed,过量润滑油的TO_sump指示的一个重要标志,监测的其它非表征特征是没有必要的,这减少了相当传感器的类型。数量,减少投入的初始成本。
本文转载自
冷库安装www.iceage-china.com