發(fā)布時(shí)間：2022-12-18 18:46

　　傳感器在空調(diào)系統(tǒng)中主要起著監(jiān)測(cè)和控制的作用,影響空調(diào)系統(tǒng)的正常運(yùn)行,從而帶來(lái)能耗增加等不良影響。本文提出了結(jié)合小波變換的數(shù)據(jù)優(yōu)化,以及基于神經(jīng)網(wǎng)絡(luò)的故障診斷優(yōu)化的改進(jìn)主元分析方法,用于空調(diào)系統(tǒng)傳感器故障檢測(cè)和診斷研究。通過(guò)對(duì)比數(shù)據(jù)優(yōu)化前后主元分析的結(jié)果,發(fā)現(xiàn)同樣0. 850 0累計(jì)貢獻(xiàn)率原則上,采用小波變換去除噪聲后,主元個(gè)數(shù)減少了兩個(gè),蒸發(fā)器進(jìn)口溫度傳感器的固定偏差、漂移、精度下降等故障檢測(cè)效果分別提升了0. 020 7、0. 020 8、0. 041 5,風(fēng)量傳感器固定偏差故障檢測(cè)效果提升了0. 160 6。為了進(jìn)一步找出故障源,在小波變換和主元分析的基礎(chǔ)上,將求得的主元作為神經(jīng)網(wǎng)絡(luò)的輸入,對(duì)5個(gè)傳感器固定偏差故障進(jìn)行測(cè)試,故障診斷結(jié)果分別為0. 766 7、0. 866 7、0. 900 0、1. 000 0、1. 000 0。 

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 數(shù)據(jù)采集及模型建立
    1.1 原始數(shù)據(jù)的采集
    1.2 構(gòu)建PCA神經(jīng)網(wǎng)絡(luò)模型
2 小波去噪前后機(jī)組數(shù)據(jù)分析
    2.1 基于PCA的機(jī)組數(shù)據(jù)分析
    2.2 基于WPCA的機(jī)組數(shù)據(jù)分析
3 故障檢測(cè)和診斷結(jié)果
    3.1 故障檢測(cè)結(jié)果
    3.2 故障診斷結(jié)果
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]PCA在非線性系統(tǒng)傳感器故障檢測(cè)和重構(gòu)中的應(yīng)用[J]. 仇韜,張清峰,丁艷軍,吳占松,張毅,孔亮.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(05)
[2]基于PCA神經(jīng)網(wǎng)絡(luò)的電路電子整流裝置故障診斷方法[J]. 么之欣.  硅谷. 2008(15)
[3]基于主元分析法的冷水機(jī)組傳感器故障檢測(cè)效率分析[J]. 胡云鵬,陳煥新,周誠(chéng),楊小雙,徐榮吉.  化工學(xué)報(bào). 2012(S2)
[4]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)故障診斷研究[J]. 楊金寶,張昌宏,陳平.  計(jì)算機(jī)與數(shù)字工程. 2012(02)
[5]基于PCA和BP神經(jīng)網(wǎng)絡(luò)的故障診斷仿真系統(tǒng)[J]. 朱興統(tǒng),熊建斌.  自動(dòng)化與儀器儀表. 2015(12)
[6]基于主元分析法的多聯(lián)機(jī)系統(tǒng)壓縮機(jī)排氣溫度傳感器故障檢測(cè)與診斷[J]. 禹法文,陳煥新,李紹斌,李冠男,郭亞賓,石書彪,李炅.  制冷技術(shù). 2017(04)
[7]基于小波去噪和神經(jīng)網(wǎng)絡(luò)的冷水機(jī)組故障診斷[J]. 石書彪,陳煥新,李冠男,胡云鵬,黎浩榮,胡文舉.  制冷學(xué)報(bào). 2016(01)
[8]主元分析用于多聯(lián)式空調(diào)系統(tǒng)傳感器故障檢測(cè)和診斷[J]. 張弘韜,陳煥新,李冠男,申利梅,李紹斌,胡文舉.  制冷學(xué)報(bào). 2017(03)

博士論文
[1]基于主元分析的冷水機(jī)組傳感器故障檢測(cè)效率研究[D]. 胡云鵬.華中科技大學(xué) 2013

碩士論文
[1]基于主元分析法的工業(yè)鍋爐故障診斷的研究[D]. 韓同瑞.大連海事大學(xué) 2012
[2]基于PCA的空氣源熱泵空調(diào)系統(tǒng)故障診斷[D]. 蘭麗麗.湖南大學(xué) 2008



本文編號(hào)：3722570