基于主元分析法的多联机系统压缩机排气温度传感器故障检测

doi：10.3969/j.issn.2095-4468.2017.04.106基于主元分析法的多联机系统压缩机排气温度传感器故障检测与诊断禹法文1，陈焕新*1，李绍斌2，李冠男1，郭亚宾1，石书彪1，李炅3（1-华中科技大学能源与动力学院，湖北武汉430074；2-珠海格力电器股份有限公司，广东珠海519070；3-合肥通用机械研究院压缩机技术国家重点实验室，安徽合肥230031）[摘要]传感器是空调系统的重要组成部分，它对空调系统的运行状态进行实时监控，并将运行数据传输到控制系统中。传感器发生故障将使得空调系统偏离正常运行状态，导致系统能耗增加。主元分析法（PrincipalComponentAnalysis，PCA）是传感器故障检测与诊断中常用的数据分析。本文采集了多联机系统传感器正常运行数据，通过人为调整得到故障运行数据；采用正常运行数据对PCA进行建模，用训练好的模型对故障运行数据进行检测与诊断，分析检测与诊断结果。本文中传感器故障工况包含压缩机排气感温包漂移、脱落、精度下降以及完全失效故障。检测与诊断的结果为：基于PCA的多联机系统压缩机排气温度传感器故障检测与诊断结果良好。[关键词]多联机系统；故障；主元分析法；压缩机排气温度；传感器故障SensorFaultDetectionandDiagnosisforCompressorExhaustTemperatureofVariableRefrigerantVolumeSystembasedonPrincipalComponentAnalysisYUFawen1,CHENHuanxin*1,LIShaobin2,LIGuannan1,GUOYabin1,SHIShubiao1,LIJiong3(1-SchoolofEnergyandPowerEngineering,HuazhongUniversityofScienceandTechnology,Wuhan430074,Hubei,China;2-GREEELECTRICAPPLIANCES,INC.OFZHUHAI,Zuhai519070,Guangdong,China;3-StateKeyLaboratoryofCompressorTechnology,HefeiGeneralMachineryResearchInstitute,Hefei230031,Anhui,China)[Abstract]Sensorisanimportantpartoftheair-conditioningsystem,anditcarriesonthereal-timemonitoringtotherunningstateoftheairconditioningsystemandtransmitsthedatatothecontrolsystem.Ifafaultoccursinthesensor,itwillmaketheairconditioningsystemdeviatefromthenormaloperatingstate,resultinginincreasingsystemenergyconsumption.Principalcomponentanalysis(PCA)isacommondataanalysismethodinsensorfaultdetectionanddiagnosis.Inthispaper,thedatawithnormaloperationofthevariablerefrigerantvolumesystem(VRV)iscollected,andthefaultoperationdatawereobtainedbyartificialadjustment.ThePCAwithnormaloperationdataismodeled,andthetrainedmodelisusedtodetectanddiagnose,thenanalyzedanddiagnosedresults.Thesensorfaultconditionsincludedacompressorexhausttemperaturesensordrift,off,accuracydecreaseandloseefficacyfault.TheresultsofdetectionanddiagnosisshowthattheresultofPCA-basedVRVcompressorexhausttemperaturesensordetectionanddiagnosisperformswell.[Keys]VRV;Fault;Principalcomponentanalysis;Exhausttemperatureofcompressor;Sensorfault                                                             *陈焕新（1964-），男，教授。研究方向：暖通空调故障检测与诊断。联系地址：湖北省武汉市珞喻路1037号华中科技大学动力楼309室，邮编430074。Email：chenhuanxin@tsinghua.org.cn。基金项目：国家自然科学基金资助项目（No.51576074，No.51328602）；2013年压缩机技术国家重点实验室开放基金项目。0引言多联机（VariableRefrigerantVolume，VRV）系统作为暖通空调（Heating,Ventilation,AirConditioningandRefrigeration，HVAC&R）系统中的一种重要形式，近年来受到越来越多的关注，其在我国商用空调市场的占有率已达到36%以上[1]。在满足建筑用户对室内舒适要求的同时，多联机系制冷技术ChineseJournalofRefrigerationTechnology第37卷第4期2017年8月Vol.37,No.4Aug.201729统能最大限度地降低建筑空调能耗，达到节能减排的目的[2]。随着多联机系统的普及，其节能问题也将受到广泛关注，而传感器在节能以及提高舒适性方面有很好的可靠性[3-4]，如果传感器出现故障会使空调系统的能耗显著提高，因此，对多联机系统进行传感器故障检测和诊断具有重要的研究价值。近年来，越来越多的学者通过数据分析的方法对传感器进行故障检测与诊断。PCA方法在传感器故障检测与诊断领域中十分活跃，DUNIA等[5-6]从理论上建立了PCA算法对传感器故障检测与诊断的理论基础并经行了验证；WANG等[7]采用PCA算法对建筑中央冷却系统传感器故障检测、诊断与重构进行了研究；WANG等[8]采用PCA算法对离心式冷水机组进行了传感器故障检测、诊断与重构，检测和诊断的效果均良好；XU等[9]采用小波分析和PCA的方法改进了冷水机组故障诊断的效果。HU等[10]采用自适应PCA算法对冷水机组进行故障检测，显著提高了冷水机组在低温工况下的检测率；HU等[11]对基于PCA的冷水机组故障检测灵敏性进行了分析，结果表明训练数据的差越小，检测的可能性越高。随着研究的深入，越来越多的学者采用改进的PCA方法对HVAC系统进行故障检测与诊断。胡云鹏等[12]采用基于小波去噪的PCA方法对冷水机组进行了传感器故障检测，结果表明5层分解的条件下，所有db族小波基函数的检测效率均达到90%以上；李冠男等[13-14]采用支持向量数据描述（SupportVectorDataDescription，SVDD）方法和PCA-SVDD方法对螺杆式冷水机组进行了传感器故障诊断，偏差故障情况下诊断的效果良好，检测效率较高；YU等[15]采用改进的EMD分解和概率神经网络对传感器故障进行了诊断，解决了传统EMD方法存在的一些问题；石书彪等[16]采用改进BP神经网络提高了冷水机组故障检测的效率；HU等[17]采用统计学的方法对PCA算法冷水机组传感器故障检测的训练集进行处理，显著提高了训练集数据的质量；LI等[18]采用PCA-R-SVDD的改进算法来检测离心式机组的初期故障，比单独使用PCA、SVDD的算法的检测效果更好。虽然越来越多的学者对HVAC系统的传感器故障诊断进行研究，但其中对多联机系统进行研究却鲜有报道。本文采用PCA方法对多联机系统压缩机排气感温包漂移、脱落、精度下降以及完全失效故障进行了检测与诊断，通过人为引入漂移、脱落、精度下降以及完全失效类故障数据，对PCA方法的检测与诊断效果进行验证。1基于PCA的传感器故障检测与诊断主元分析法（PCA）是多元统计方法中的一种，其详细原理见文献[19]。本文采用Q统计量进行故障检测，其阈值计算方法如式(1)所示：012200201221121hhhchQ(1)式中：1302221-3h；1123niijjk,i,,；k——模型的主成分个数；i——协方差阵R的第i个特征值；c——置信度为的标准正态分布置信限。采用多联机系统正常运行数据对PCA进行模型训练，训练后可得到算法中的阈值Q，用于后续的故障检测。对故障数据部分归一化，计算每个故障数据的Q值Q(xi)，i=1,2,…,N，N是故障数据的行数，若Q(xi)>Q，则表明检测出故障，反之则表明未检测出故障，记n为检测出故障的数据点个数，定义为检测效率，其计算式如下：nN(2)基于PCA的传感器故障检测与诊断原理图如图1所示。将正常数据按照归一化、特征提取、主元数确定的步骤，完成PCA的建模过程，计算出阈值，将故障运行数据进行相同的归一化处理，按照模型进行投影，计算Q统计量，再与阈值进行比较，完成故障监测的过程，最后基于贡献率绘制出故障数据中的贡献率图，完成对传感器故障的诊断过程。制冷技术ChineseJournalofRefrigerationTechnology第37卷第4期2017年8月Vol.37,No.4Aug.201730原始数据正常运行数据故障运行数据数据标准化数据标准化协方差矩阵R数据投影主向量残差向量特征向量特征值累积贡献率主元数k阈值Qa特征向量矩阵分解前k个后n-k个Q(xi)Q(xi)>Qa故障发生计算Q贡献率Qi最大第i个传感器故障是否图1基于PCA的传感器故障检测与诊断流程图2数据与结果分析2.1数据组成为了避免变量之间出现冗余导致PCA检测效果下降，本文通过相关性分析，选取8个相关性较低的变量对PCA模型进行训练以及故障检测与诊断，基于PCA的多联机系统压缩机排气温度传感器故障检测与诊断的训练矩阵X为：X=[fcom,Tc,Te,Tcome,Tcomh,Tcout,Tsin,Tsout](3)式中：fcom——压缩机运行频率，Hz；Tc、Te——冷凝温度和蒸发温度，℃；Tcome、Tcomh——压缩机排气温度和壳顶温度，℃；Tcout——冷凝器出口温度，℃；Tsin、Tsout——汽分进管和出管温度，℃。本研究中收集了由5台室内机和1台室外机组成的多联机系统的正常运行数据，对其压缩机排气温度分别引入漂移故障和脱落故障，再进行故障检测与诊断。2.2故障引入方法根据传热学相关原理，压缩机排气温度感温包脱落可以认为是处于高温的任意形状物体在初始温度为t0时突然放入温度恒定为t1的空气流体中，其中t1为传感器所处的环境温度，该物体会向环境释放热量而逐渐冷却，由于物体的温度随时间变化，故该类问题称为非稳态导热问题，可采用集总参数法进行分析。集总参数法解决非稳态导热问题时要求物体的导热系数相当大、几何尺寸很小且表面传热系数很小。由于感温包由金属制成，满足上述要求，故可以采用集总参数法分析其温度随时间的变化关系。集总参数法中感温包温度随时间的变化关系为101cttett(4)式中：τ——时间，从感温包脱落点开始计时，s；c——与热力学系数相关的常数，通过查取金属钢的相关热力学参数，计算后近似取c=0.0013。可见，感温包脱落后温度随时间呈负指数变化关系。漂移故障是由传感器测量值逐渐偏移真实值所造成的，一般来说都是线性漂移故障，由线性关系拟合，拟合式如下，其中a=0.033，即每秒钟漂移0.033℃，每分钟漂移2℃：禹法文等：基于主元分析法的多联机系统压缩机排气温度传感器故障检测与诊断第37卷第4期2017年8月Vol.37,No.4Aug.2017310tt精度下降使传感器测量度下降是以正成正态分布随式(6)所示：0tt完全失效定值，如式(tC2.2故障检测基于PC落故障检测与数据中，正常行数据各模拟图2所示图，训练部分型准确可靠；率87%，说的脱落和漂移检测出这两种个连续变化的算Q统计量低计量迅速增加速度明显高于的变化速度一图图3所示图，从图中可故障是由传的数据偏离常测量值为机数f(x)从fx则是传感器7)所示：和诊断结果A的压缩机诊断的结果运行数据1了100个数为压缩机排的自检测率脱落故障检明PCA方法故障具有很故障。同时过程，所以于阈值；随。从图中可漂移故障，致，即与故2漂移和脱落为压缩机排以看出压缩感器失真所正常测量值基准偏移的而模拟精度失去测量能排气温度感如图2和图82个数据点据点，采样气传感器故达到94.5%，测率91%，对压缩机排高的识别性，由于漂移故障刚发生着故障的继以看出，脱这与指数函障的发生速故障检测结果气传感器故机排气温度的(5导致的，它会，因传感器精，因此本文生下降故障，如(6力，保持为恒(7温包漂移和脱3所示。原始，两种故障运间隔为3s。障的检测结果说明PCA模漂移故障检测气温度传感器，可以高效地和脱落都是一时，数据的计续加剧，Q统落故障的上升数与线性函数度一致。图障的诊断结果Q贡献率显))) 著高于迅速准和冷凝温度而精图4和降故障高达1刻仍可然检测识别出值，故看出压量的贡别出故其他变量的确地识别出器出口温度言还是很小图3漂移度下降和完图5所示。检测率只有00%。这是因能出现在正率较低，但精度下降。而障极易检测缩机排气温献率，故可障源。图4精度下降贡献率，故可故障源。同时的贡献率也较，故不会影响和脱落故障诊全失效故障相较于前两种72%，而完全为传感器精常值附近。由图形上十分明完全失效导。图5与图3度的Q贡献以通过PCA和完全失效故以通过PC，压缩机壳高，但相对诊断结果。断结果图检测与诊断故障而言，失效故障检度下降时，图4可以看显，波动巨致测量值均相似，从图率显著高于方法迅速准障检测结果图A方法顶温度于排气结果如精度下测率则部分时出，虽大，易为错误中可以其他变确地识 制冷技术ChineseJournalofRefrigerationTechnology第37卷第4期2017年8月Vol.37,No.4Aug.201732图5精由上述结机排气温度传效故障的检测Q贡献率图均因此，可以将落、精度下降可以取得较好3结论本研究基障检测与诊断漂移、脱落、以下结论：1）PCA机排气温度感效4种故障进2）PCA诊断，而且其气温度的贡献3）PCA很好地识别出传感器的漂移检测和诊断也参考文献：[1]赵德印,钟分析[J].[2]申广玉,机组在别[3]张昉,陈度下降和完全果可见，PC感器漂移、和诊断效果能很好地识该方法应用和完全失效的检测率和于PCA算，主要研究精度下降和算法可以很温包漂移、行检测，检算法均可以很他变量的Q率，不易出算法产生的Q故障的类别、脱落、精可以采用该鸣,张旭.办建筑科学,2016卜巍,旷玉辉.墅中的应用[J]玲,杜志敏,等失效故障诊断A算法对多脱落、精度良好，同时其别出故障的于其他传感类故障的检诊断效果。法对多联机了压缩机排完全失效4好地对多联脱落、精度测率均高于好地对上述贡献率显著低现误诊；统计量和Q贡以及故障源度下降和完算法。公建筑多联机(2):87-91.变流量多联式.制冷技术,20.基于不确定度结果图联机系统压缩下降和完全失Q统计量和类别以及故障器的漂移、脱测与诊断中系统进行了故气温度感温包种故障，得出机系统的压缩下降和完全失70%；4种故障进行于压缩机排献率图均能，因此对其他全失效故障的能耗现状调研及冷水(热泵)空调14,34(1):60-64评定及线性规 。，.划20[4]葛系[5]DUfaAi[6]DUpridEuEn[7]WfocoM[8]Wespr20[9]XUdeanAp[10]HUusm[11]HUPCJo[12]胡传20[13]李传18[14]李机版[15]YUdiMNe[16]石机[17]HUcledeEn[18]LImeSV[19]胡率的压缩机性能16,36(1):7-13宣鸣,杜志敏,统变风量优化控NIAR,QINSultysensorsucheJournal,19NIAR,JOEincipalcompentification[J].ropeanSympgineering-6,19ANGS,CHENrbuildingcentmponentanaanagement,200ANGS,CUIJtimationforincipal-compon05,82(3):197-X,XIAOF,Wtection,diagnalysisandprinpliedThermalY,CHENH,ingaself-Adethod[J].EnergyY,LIG,CHA-basedchilleurnalofRefrige云鹏,陈焕新,感器故障检测13,41(3):16-1冠男,胡云鹏,感器故障检测15-1820.冠男,胡云鹏,组故障检测方),2015,43(8):Y,LIW,SagnosismethododeDecomptwork[J].Meas书彪,陈焕新,组故障诊断[J]Y,CHENHaningstrategytection,diagnoergyandBuildG,HUY,CHthodforincipienDDalgorithm[J]云鹏.基于主元研究[D].武汉试验台传感器选.晋欣桥.基于多制研究[J].制冷J,EDGARTsingprincipal96,42(10):279QINS,EDGAonentanalysiComputersandosiumonCo96,20(S1):713Y.Sensorvalidralchillingsyslysis[J].Ener4,45(5):673-6.Sensor-faultcentrifugalcentanalysisme213.ANGS.EnhaosisandesticipalcomponeEngineering,20XIEJ,etal.ChiaptivePrincipaandBuildings,ENH,etal.rsensorfaultdration,2016,63周诚,等.基于[J].华中科技大9,24.陈焕新,等.及效率分析[J].陈焕新,等.法[J].华中科119-122.HENGD,etabasedonModiositionandurement,2015,李冠男,等.基.制冷学报,20,LIG,etal.AforthePCA-bsisanddatareings,2016,112ENH,etal.Antcentrifugalchill.EnergyandBui分析的冷水机:华中科技大学配优化[J].制传感器信息融技术,2016,36(F,etal.Identificomponentan7-2812.RTF,etalsforsensoChemicalEnmputerAided-718.ationandrecontemsbasedongyConversi95.detection,diagnhillersystemthod[J].Appliedncedchillersenmationusingntanalysisme08,28(2/3):22llersensorfaultlComponent2012,54:252-2Sensitivityanaetection[J].Inte:133-143.小波去噪的冷学学报(自然基于SVDD的冷化工学报,201基于PCA-SVD技大学学报(自l.AnovelsenfiedEnsembleEProbabilistic68:328-336.于改进BP网络15,36(6):34-39statisticaltrainasedchillersenconstructionm:270-278.improvedfaulterfaultsusingthldings,2016,116组传感器故障,2013.冷技术,合的空调6):28-33.cationofalysis[J]..UseofrfaultgineeringProcessstructionprincipalonandosisandsusingEnergy,sorfaultwaveletthods[J].6-237.detectionAnalysis58.lysisforrnational水机组科学版),水机组5,66(5):D的冷水然科学sorfaultmpiricalNeural的冷水.ingdatasorfaultethod[J].detectionePCA-R-:104-113.检测效禹法文等：基于主元分析法的多联机系统压缩机排气温度传感器故障检测与诊断第37卷第4期2017年8月Vol.37,No.4Aug.201733