基于主成分分析的建筑空调系统传感器故障检测

在已经建立的建筑空调系统仿真器的基础上,针对系统的温度、湿度、流量传感器提出了一种基于主成分分析的传感器故障诊断方法.该方法根据系统正常的历史运行数据建立数理统计模型,通过传感器实际测量数据与正常数据阵在故障子空间投影的比较,对传感器的故障进行检测.仿真试验表明,该方法能够诊断出固定偏差和漂移故障,为进一步研究传感器的故障诊断提供了必要的基础.     

空调监测系统的数据恢复方法的研究

故障数据或丢失数据的及时恢复，对空调系统的可靠、最优运行是非常重要的．本文提出用主成分分析法对正常运行条件下的原始数据建立模型，该方法将测量空间分为主成分子空间和残差子空间．当数据故障或数据丢失发生时，故障数据被投影到主成分子空间和残差子空间，通过多次迭代，逐步逼近主成分子空间的方法可实现数据恢复．用空调监测系统实例充分显示了该方法有良好故障数据与丢失数据恢复能力．     

变风量空调系统送风温度优化及容错控制

针对变风量空调(VAV)系统提出了基于湿度控制的送风温度优化及容错控制方法.该方法可以满足ASHRAE标准62-2001对室内空气品质和湿度的新要求,并提出了主成分分析、联合角度分析和故障补偿法则,该法则可以分别用于空调系统故障的检测、诊断和重构,从而实现对变风量空调系统的客错,保证系统优化目标的实现.在变风量空调系统的仿真器上进行了基于湿度控制的送风温度优化以及多种故障下的检测和诊断试验.     

基于主成分分析法的变风量空调系统传感器故障诊断

在已经建立的建筑空调系统仿真器的基础上,针对变风量（VAV）空调系统的传感器故障,提出一种基于主成分分析（PCA）和法则相结合的传感器故障诊断方法。建立了PCA模型,将由传感器测量值所组成的测量空间分解为主成分和残差两个子空间,进行故障检测后再由基于法则的策略进行故障重构。仿真试验表明,该方法不仅能够准确地检测并隔离传感器故障,而且可以初步地进行故障重构,为进一步研究传感器的故障诊断提供了必要的基础。     

提高空调系统传感器小故障检测能力的方法研究

提出了用主成分分析法建立系统的模型,通过检测测量数据在残差子空间内的投影大小来检测故障.分析认为造成传感器小故障难于检测的原因在于测量数据的嗓声太大,并提出采用指数加权滑动平均滤波器来提高系统小故障检测能力的方法.实验表明,方法是有效的.图3,参8.     

基于主成分法的空调新风阀故障检测与诊断

建立了主成分分析法的空调系统故障检测模型,根据平方预测误差和其阈值大小的比较,判断系统是否发生故障。采用ASHRAE 1312现场实测数据进行方法的测试验证,以新风阀故障的诊断为例,比较并分析了故障贡献图和相似系数两种故障诊断方法。结果表明:当新风阀开度偏离正常运行开度15%时,主成分分析能够有效检测出故障;故障贡献图不需要先验知识便可检测出故障变量,但只能确定出故障设备引起的单一故障变量;与贡献图法相比,相似系数法诊断结果更加可靠,两种故障诊断方法各有优缺点,两者组合能够更加准确地诊断出故障。     

基于核主成分空间支持向量机的过程监视方法

为了有效改进支持向量机(SVM)在工业过程中的故障检测性能,提出一种基于核主成分空间支持向量机的过程监视方法.首先,运用核主成分分析方法(KPCA)处理数据,获取数据的核主成分,在核主成分空间计算Hotelling's T2统计量;然后,在T2统计量基础上加入时滞特性和时差特性,并将三者组合成增广矩阵,运用正常数据和故...     

基于ARX模型的变风量空调系统故障诊断

采用现代控制理论的系统辨识方法，探索“黑盒”模型在暖通空调系统故障检测与诊断中的应用．在研究中，应用了多输入／单输出自回归(ARX)模型进行变风量系统的故障检测，把ARX模型用于不同的系统和子系统，建立了系统模型和部件模型，获得了满意的结果．     

基于主成分分析-孪生支持向量机的工业系统故障监测

为了改善现代工业系统故障检测和诊断的性能,提出一种基于主成分分析-孪生支持向量机挖掘的工业系统故障监测方法;采用多元统计的主成分分析方法对涉及的复杂故障变量进行降维,并对提取的主要故障变量进行判断,完成故障检测;将孪生支持向量机引入到故障类型的识别过程,结合主成分分析方法进行系统监测。结果表明,与加权K近邻、主成分分析-K近邻和主成分分析-支持向量机3种方法相比较,所提出的方法识别更快,准确率较高。     

改进主元法在故障检测中的应用

提出一种改进的主元分析法，在线检测当前时间窗口内过程数据的主元子空间，与稳态无故障数据的主元子空间相比较，以判断是否发生了故障．仿真中，将改进主元法与常规主元法同时应用于Tennessee EaStman过程，结果表明：两者都能检测出对过程影响较大的故障，改进主元法可以更好地检测出对过程影响较小的故障。     

基于PCA的火电厂湿法烟气脱硫系统的传感器故障诊断

提出一种基于主元分析(PCA)的故障诊断方法,用于解决火电厂湿法烟气脱硫系统的传感器故障诊断问题.该方法利用PCA建立故障诊断模型,通过计算平方预报误差、传感器识别指数、故障重构值,对传感器故障进行检测、识别及恢复.利用华能福州电厂湿法烟气脱硫系统的采集数据进行传感器的完全失效、偏差、漂移与精度等级下降等4种类型故障的...     

多变量过程传感器故障检测的SVM方法

提出一种适用于具有纯滞后多变量过程的传感器故障检测方法.该方法结合支持向量机回归算法与数据驱动的信息融合技术,给出一种采用广义支持向量机观测器的传感器故障检测、分离和数据恢复系统的架构.每个关键传感器都配置一个由过程输入和除被监视传感器之外的过程输出共同驱动的观测器,对传感器实际输出与观测器输出进行了比较,并对数据的有效性进行了确认.多组分精馏塔系统实验表明,该方法能够对过程传感器故障进行检测,并且具有较好的鲁棒性.     

采用ELM和优化电压传感器布局的光伏阵列故障检测与区域定位

为快速检测并定位光伏阵列中出现的故障,提出一种新的传感器布局策略,通过优化电压传感器的位置减少电压传感器的数量,同时显化故障的特征.然后,将定位问题转化为分类问题,选用极限学习机(ELM),将最大功率点处的电压数据作为输入训练分类模型.结合实验室屋顶光伏并网发电平台获取的故障数据,对健康状态和所设置的3种故障状态下细化的故障共18种类别,进行分类模型的建立与测试.实验表明,应用本模型故障检测与区域定位的精确率达99.52%,优于所对比的支持向量机、多层感知机网络和随机森林的诊断结果.     

An analyzing and experimental method based on the resultant motion signals for SCARA manipulator joints

Acceleration reflects vibration of a robot, and the vibration signal can reflect the operation state of the robot.Generally, detection of robot mechanical arm failure requires installing sensors on each joint.This study proposes a method to diagnose the fault by single acceleration sensor only, which is installed at the end of the robot.The operation state of the robot is evaluated by analyzing vibration characteristics of its acceleration.First, a data acquisition function of a programmable multi-axis controller is applied to extract practical motion signals of the robot joints during operation, and prac-tical motion signals are analyzed.Second, synthetic methods to determine acceleration of the end joints of SCARA robots in a Cartesian space is used based on the theory of the Jacobian matrix and the frequency domain of final acceleration is investigated.The relationship between end-and joint-vibration frequencies under given speeds is determined.Then, the method is verified by comparing characteristic frequencies of joint acceleration and synthetic acceleration in Cartesian coordinate sys-tem at different speeds.Finally, some faults can be diagnosed by comparing the acceleration vibra-tion frequency extracted by a single acceleration sensor installed at the end of robot with the normal running state.Thus, this method can be used to monitor the signal variation of each joint without in-stalling sensors on each robot joint.     

基于ReliefF-PCA和SVM的发动机故障诊断方法研究

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点，提出了一种基于ReliefF、主成分分析（PCA）以及支持向量机（SVM）的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数，运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度；然后采用PCA进一步提取敏感特征，消除各特征之间的相关性，避免冗余；最后利用SVM实现机组的故障分类，诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中，结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征，并实现多种典型故障的诊断。     

基于核主元分析与支持向量机的监控诊断方法及其应用

为了及时反映密闭鼓风炉冶炼过程状态,实现对密闭鼓风炉炉况的监控与诊断,提出核主元分析和多支持向量机分类的相结合的过程监控与故障诊断方法.其原理是:首先,用核主元分析方法提取过程数据特征,建立核主元分析的监控模型;然后,将代表过程特征的核主元送入多支持向量机分类器中,利用"一对其余"算法对故障进行诊断与分类.实验结果表明,所提出的方法与传统的主元分析方法相比,整个样本集的可分性变大,分类正确率提高,能更准确地诊断炉子的各种故障,可有效地用于密闭鼓风炉冶炼过程的故障诊断.     

锂离子动力电池传感器多故障诊断策略综述

锂离子电池作为新一代可充电电源,具有能量密度大、安全性能高等优点,显示出了广阔的市场前景。但锂离子电池在运行过程中会发生各种内、外部故障,所以锂离子电池安全问题一直备受关注。锂离子电池里的传感器正常运行是保证对电池系统实时监测的关键,但是传感器故障微小且不易察觉,并且故障具有关联性、并发性的特征,可能引起多故障的发生,进而触发热失控的风险。所以如何保证传感器精确、快速的进行锂离子电池故障检测与诊断是确保安全稳定运行的关键。本文首先从锂离子电池结构出发总结了锂离子故障的类型及成因,并详细分析了传感器故障和多故障产生的机理。然后,对锂离子电池从单体电池到电池包所涉及的传感器故障和多故障诊断策略进行全面的阐述,并且分析了可能成为未来发展趋势的传感器多故障协同诊断策略和电池新模式下的故障诊断方式（如气体检测等）。最后,以全文锂离子电池的传感器多故障研究的重难点,提出了传感器多故障诊断未来可能的研究方向。     

暖通空调系统故障诊断的故障向量空间法

为了能有效诊断暖通空调系统（ＨＶＡＣ）中可能出现的故障,保证暖通空调系统安全、节能地运行,提出了一种应用于暖通空调系统故障诊断的新方法——故障向量空间法（ＦＤＳＭ）。ＦＤＳＭ 的基本思想是通过观察一组反映系统或设备结构特性的特征值的变化来进行故障诊断。该方法于１９９５ 年１０ 月在英国牛津接受了国际能源局第２５ 子课题（ｆａｕｌｔｄｅｔｅｃｔｉｏｎ ａｎｄ ｄｉａｇｎｏｓｉｓ ｉｎ ＨＶＡＣｓｙｓｔｅｍ ）主持的竞赛性检验,证明了这种方法的有效性和可靠性。这种方法的提出对ＨＶＡＣ系统的正常运行和节约系统能耗有较大的意义。