智能化故障诊断技术的应用范文

摘要：

当前智能化故障诊断技术作为一种有效的故障防范策略，已被融入到现代空调制冷系统的实践应用当中，它不仅可有效降低制冷系统的运行成本，而且还能明显提升系统运行的安全性与可靠性。本文结合工作实践，着重就智能化故障诊断技术在空调制冷系统中的应用进行了探索与研究。

关键词：

制冷系统；故障诊断；智能化

近年来，随着我国经济的快速发展，制冷系统在人们日常生活、工业生产中的应用已越发普及，其重要性也不断增强。如何进一步提升制冷系统的安全性与可靠性，已成为了当前国内外众多学者所共同关注的焦点问题。智能化故障诊断技术作为一种有效的故障防范策略，它能通过实时、自动的监测和采集制冷系统的状态信息与运行参数，以起到有效预测故障发生、判定故障性质、评估系统运行状态以及延长系统正常使用寿命的目的。

1制冷系统的故障特点

制冷系统根据其工作原理，主要分为蒸汽压缩式制冷系统、吸收式制冷系统、半导体式制冷系统以及吸附式制冷系统等多种类型。以蒸汽压缩式制冷系统为例，其常见故障类型包括了：制冷剂泄漏、冷却水量减少、管路压力增大等问题，而导致系统冷却效率的降低及系统能耗的增加。正是由于蒸汽压缩式制冷系统的构成元件多（制冷压缩机、节流装置、热交换设备、管道等）、循环工作状态复杂（包括制冷剂、水、空气、油等），因此当制冷系统故障发生时，具有故障原因复杂、故障征兆复杂的特点，且存在着较多不易被检测的参数，部分检测数据与故障问题之间的关联性也不明显。因此，在制冷系统的故障诊断时，如果只依靠维护人员的个人经验或仪器进行故障的查找与排除时，不仅诊断效率低，而且检修成本高、检修失误率高。针对以上问题，近年来制冷系统的故障诊断技术，已逐步由传统的单一化、常规化的诊断方法，发展为以人工智能技术、信息技术等先进技术为基础的智能化诊断方式。

2智能化故障诊断技术在制冷系统中的具体应用

智能化故障诊断技术，是近年来发展非常迅速的一门综合性应用技术，也是由现代人工智能学、控制学、信号处理学、模型识别学等多种学科所交叉形成的新兴学科。

2.1常见智能化故障诊断技术的类型。目前，应用于制冷系统中的智能化故障诊断技术，其常见类型包括了基于数学模型的故障诊断技术、基于直接可测信号的故障诊断技术、基于知识经验的故障诊断技术这三大类。其中，基于可测信号和知识经验的故障诊断技术，也被称为直接诊断法，它是直接利用制冷系统的可测信号与知识经验，以判定故障类型、预测故障发生的方法，常见的诊断技术包括了专家系统诊断法、模糊数学诊断法、神经网络诊断法、小波分析诊断法等；而基于数学模型的故障诊断技术，则被称为间接诊断法，它是间接利用数学模型，以全面反映与评估制冷系统的故障情况及安全性的方法，常见数学模型包括了故障树模型、攻击树模型、攻击图模型等。

2.2智能化故障诊断技术的具体应用

2.2.1专家系统的应用。专家系统诊断技术，它属于当前人工智能技术领域中一个前沿分支，即是将一些已在实践中得以验证的知识经验进行数字化表达，并通过存入计算机系统中，从而以形成具备强大推理能力、决策能力的专家系统。用于制冷系统中的专家系统，其工作原理详见图1所示。该专家系统主要由故障诊断模块、故障解释模块、故障处理模块、模拟显示模块、学习查询模块以及智能输出模块这几大功能模块所构成。通过专家系统的应用，制冷系统的故障诊断过程能由系统代替人类专家，并利用其强大的数据库资源与逻辑推理能力，以提升对系统故障预测、诊断的准确性与效率。

2.2.2人工神经网络的应用。人工神经网络（ANN），是指通过人的大脑对信息加工、处理及存储的机制，所提出的一种智能化信息处理的非线性模型，也是由大量的神经元（处理单元）所进行互联而得到的一种复杂的神经网络系统。与专家系统相比，人工神经网络具有更高的时间效率，以及更高的故障诊断质量。进入21世纪以来，人工神经网络智能诊断系统迅速发展，并已成为国际上故障诊断领域的最新热点，同时神经网络用于制冷与空调系统故障诊断也产生了大量研究成果。例如：利用人工神经网络的BP算法（见图2），能真实反映出制冷系统运行时的期望值与测量值之间的差值，即残差（residual）值，并通过评价残差值以反映出制冷系统的安全性状况，并可诊断与预报系统故障类型及故障点定位，从而实现较高的故障诊断精度与准确性；利用人工神经网络与专家系统相结合的混合智能诊断系统，该系统不仅能有效解决专家系统的信息采集难题，而且通过专家系统的数据库还能解决人工神经网络的“黑箱”问题，两者互为补充，因此在制冷系统故障诊断的实践应用方面具有明显的优越性。

2.2.3模糊诊断法的应用。制冷系统在运行过程中，其故障征兆与引发故障的原因之间，往往并不是一一对应的关系，尤其是对于大型制冷系统中，这种不确定性更加明显。而模糊诊断法，是以模糊数学为基础的一种故障识别方法，它能利用故障征兆与引起原因之间的这种不确定性来进行系统的故障诊断。由于制冷系统的复杂性以及故障征兆与原因间的不确定性，在许多故障诊断问题中，其故障机理非常适合采用模糊数学规则来进行描述，并能有效克服空调制冷系统因设备的复杂性所带来的诊断困难问题，因此具备了较强的实用价值。一个典型的应用于空调制冷系统中的模糊诊断系统的结构，详见图3所示。如图3所示，用于制冷系统的模糊诊断系统，主要由模糊化接口、模糊规则库、模糊推理机、非模糊化接口等多个部分所构成。其中，模糊化接口通常采用A/D和D/A转换器作为接口装置，其作用采集制冷系统中精确的、连续变化的输入量转化为模糊量，以便实现模糊推理；模糊推理机即模糊控制器，它也是模糊诊断系统的核心，可通过利用知识库中的规则对模糊量进行运算与分析，并得出模糊结论；而非模糊化接口，其主要作用是将模糊推理所得到的结构，转换为非模糊值即清晰值，从而实现对制冷系统故障结论的清晰表达。目前，模糊诊断法已被成功运用到制冷系统的智能化故障诊断中。例如：将模糊数学理论与人工神经网络相结合，可采用模糊方法处理神经网络的输出结果，并对推理过程进行解释；将模糊数学理论与专家系统相结合，则可利用模糊数学中的模糊变换原理对制冷系统的安全性能进行评定，并在此基础上构建专家系统等等。

2.2.4小波分析法的应用。小波分析法，是一种新型的线性时频分析的方法。当前，以小波变换分析为基础的信号处理方法，已广泛应用于各类设备的故障诊断当中，并取得了一系列研究成果。由于制冷系统在发生故障时，会出现一些瞬变信号或脉冲信号，而这些参数的变化也往往隐藏着重要的故障信息。而小波分析法是一种窗口面积恒定、窗口形状可变的时频局部化分析方法，它不仅具有多分辨率和时频局部性的特点，而且能够有效处理非平稳信号，因此非常适用于分析制冷系统的瞬态信号或时变信号。目前，小波分析法在制冷系统故障诊断中的应用，主要是针对制冷系统的吸气阀片损坏、排气阀片损坏以及制冷压缩机停转等故障的智能化诊断，利用小波分析法的预处理功能，能提前查找到制冷系统中各元件的故障先兆，从而以及早地发现并预报故障。

2.2.5故障树模型的应用。由于制冷系统中所发生的故障，通常具有层次特性，即故障原因和后果之间往往具有多层的关系。故障树模型诊断技术，即是以系统最不希望发生的事件（顶事件）为分析目标，以可能导致顶事件发生的其他事件为中间事件或底事件，按树枝状逐级细化，从而依次找出制冷系统的全部故障因素。目前，故障树模型在制冷系统中的实际应用，主要用于溴化锂吸收式制冷机组的故障诊断中，它可准确分析与诊断“冷剂水损失”和“冷剂水污染”等问题。通过分析与计算，能将制冷系统中的故障事件进行重要度分级，从而找出制冷系统中最薄弱的因素，以此实现对系统中故障类型的准确识别、预测与诊断。同时，利用故障树模型，还能实现对制冷系统的改进设计，以实现制冷系统整体上的节能优化与安全优化。

3结论

本文主要以专家系统、人工神经网络、模糊诊断法、小波分析法、故障树模型这几种智能化故障诊断技术为例，就其在制冷系统中的应用进行了探索与研究。通过智能化诊断技术的应用，不仅能及时查找出制冷系统的故障原因及故障类型，以迅速排除故障，而且能自动预测故障的发生，减轻了故障问题所带来的影响与后果，从而起到了降低系统的运行成本，提高系统运行安全性与可靠性的目的，具有极高的应用价值与应用效果。

参考文献

[1]卢静.智能化技术在电气工程自动化中的应用价值[J].科技与创新,2015(16):154-154.

[2]闫林巍.压缩制冷系统的故障分析和解决方法[J].中国高新技术企业,2014(20):79-80.

[3]侍孝虎.制冷系统隐性故障分析[J].常州信息职业技术学院学报,2014,13(3):43-45.

[4]丁晓雄.制冷系统监测仪的设计及关键技术研究[D].杭州：杭州电子科技大学,2014.

作者：孙罡 雷学云 单位：南京都乐制冷设备有限公司