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.     

变风量空调系统传感器故障检测与诊断

在建立变风量空调系统仿真器的基础上，针对系统的温度、流量和压力传感器等进行故障的检测与诊断．提出基于主成分分析的方法，根据系统正常的历史运行数据建立数理统计模型，通过传感器实测数据与正常数据在故障子空间投影的比较，对传感器的故障进行在线检测；提出联合角度法通过比较新发故障向量与故障库中各经验故障向量在两个子空间投影的夹角，在线分离出故障源．结果表明，提出的主成分分析和联合角度的方法对于变风量空调系统传感器故障有较为准确和快速的检测和诊断效果．     

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．     

基于改进角分类神经网络的变风量空调系统故障诊断

针对变风量空调系统的故障诊断问题及其特点,提出了一种基于改进角分类神经网络--FDCC的故障诊断模型.该模型克服了CC4角分类神经网络输出结果为二进制的局限,根据故障模式所落入的k最近邻的样本泛化空间来进行故障诊断,并输出结果向量,其各分量为各故障原因可能出现的概率.     

基于主成分分析法的电潜泵故障诊断

电潜泵（Electric Submersible Pump,ESP）举升技术在非自喷高产井和高含水井中应用广泛,ESP在生产过程易发生故障,进而导致作业中断,造成严重经济损失。如何有效利用传感器、数据采集系统,SCADA系统实时采集的ESP系统生产数据,对ESP的工作状态进行提前预估至关重要。采用主成分分析法（PCA）对泵实时生产数据进行研究分析,根据电潜泵生产数据之间线性组合进行特征提取,降低生产数据的维度,创造新的主元空间,用很少的主元重新评估ESP生产系统,得出ESP井故障原因并预估ESP剩余使用寿命。主成分分析采用霍特林平方统计算法和平方误差分析算法建立诊断模型,该模型可以预估ESP剩余作业时间并确定泵出现故障的主因。以渤海油田为例,对ESP井实时数据进行主成分建模,预测泵故障的主因及故障时间,对比ESP实际生产作业时间,验证PCA进行故障诊断的可行性。证明PCA作为模式识别的一种方法可以有效监测ESP健康状况,预测ESP故障的主因。     

变风量空调系统的优化控制算法

变风量空调系统因为控制过程复杂,所以目前难以推广,市场上广泛使用的是定风量空调系统.针对这种情况,从理论上提出了变风量空气处理机组送风温度的优化控制算法,并用Matlab 仿真软件对其进行了仿真分析,仿真结果表明,该算法以更低的能耗达到更佳的运行效果.     

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.     

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QCM传感器阵列定量检测DMMP

以聚环氧氯丙烷、乙基纤维素、聚表氯醇为敏感膜材料,建立了QCM传感器阵列法对DMMP空气样品定量检测的方法。DMMP浓度以气相色谱-火焰光度检测器法标定。在气体流速为300 m L/min时,在30~210 mg/m~3的DMMP浓度范围内,有良好的线性关系,方法具有较好的准确性和精密度,最低检测限为10.1 mg/m~3。利用主成分分析法对神经性毒剂沙林的干扰进行了分类判别研究。     

基于遗传算法的变风量空调模糊控制系统的研究

针对变风量空调模糊控制系统控制规则的获取依赖人类经验的问题,提出将遗传算法与模糊控制相结合。在推导适应度值函数的基础上,利用遗传算法获取控制规则,改善控制效果。一定程度上解决了人为调试获取规则困难的问题。仿真结果表明,在变风量空调系统中将遗传算法与模糊控制相结合是可行的。     

一种优化控制变风量空调系统的新方法

采用状态反馈解耦和遗传算法优化控制器相结合的方法提高变风量(VAV)空调系统中室内温度回路的控制精度和品质.采用状态反馈解耦以解除送风温度控制回路与室内温度控制回路之间的耦合,随后采用逆推法找到闭环控制系统特性方程的根与控制器参数的关系,再用遗传算法优化设计控制器的参数.实验结果表明,这些措施有效地提高了VAV空调系统中室内温度回路的控制精度和品质.     

基于动态加权差分主成分分析的故障检测

针对工业过程中存在的动态特性和多模态特性问题,提出一种动态加权差分主成分分析法(dynamic weighted differential principal component analysis,DWDPCA)。首先通过设置合理的时间窗描述系统的时序特性;其次对时间窗内的样本寻找第一近邻和第一近邻的近邻集,使用加权差分法对数据进行处理,解决数据中心漂移问题;最后利用处理好的数据建立主成分分析(principal component analysis,PCA)模型进行故障检测。该方法可解决数据动态、中心漂移问题。使用该方法对数值例子和TE(tennessee eastman)过程进行故障检测验证所提出方法的有效性。     

IPCA在故障检测与分离中的应用

基于ＰＣＡ模型，综合利用Ｔ＾２检验值，Ｑ检验值和故障补偿等集成化主元分析（ＩＰＣＡ）方法对系统的工况故障和仪表故障进行检测和分离，并对仪表故障进行补偿，该方法既能进行故障检测，又能对不同的故障进行分离。仿真实例表明，这种方法是有效的。     

变风量空调系统新风量的实时预测

在多区域变风量（Variable Air Volume，VAV）空调系统的新风控制中，现行的控制方案不可避免地遇到困难，使用预测的方法来实施前馈控制，对可能出现的扰动提前作出补偿将有可能改善目前多区域VAV空调系统的新风控制问题，ARIMA模型可以较准确地预测非稳态随机过程的时间序列，以季节性ARIMA模型为预测模型，在利用CO2浓度检测室内人数的基础上，对一大楼中各区域的新风要求进行了预测，结果表明，季节性的ARIMA模型可以很好地满足空调系统新风预测的要求。     

基于改进核主元分析的故障检测

针对电主轴系统特点,提出基于改进核主元分析(KPCA)的故障检测方法,引入混合核函数的定义,将多项式核和径向基核的混合核方法与主元分析方法(PCA)相结合,解决采用单一核函数诊断故障时的高误诊率问题.首先对数据进行预处理,然后使用混合核函数对数据矩阵进行映射,映射到高维特征空间,使非线性数据变量变为线性数据变量,并使用PCA提取变量数据的高维空间相关特征确定主元个数,最后根据混合非线性主元特征计算出的T2和Q统计量,实现在线故障检测.该方法改进传统核函数的选取方法,充分考虑工业过程中的非线性,更精确地描述工业过程特性,可以准确、有效地检测出电主轴系统故障.对田纳西-伊斯曼(TE)过程以及电主轴系统的应用实例证明该方法的可行性.     

PCA 在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

基于主元分析与支持向量机的制冷系统故障诊断方法

利用主元分析(PCA)法提取制冷系统特征向量,对典型人工智能方法所建故障诊断模型的性能进行理论研究与应用分析,确定了以支持向量机(SVM)算法为基础的故障诊断模型;针对SVM直接解决多种分类问题的困难,分析了3种多类SVM算法,确定了基于“一对其他（One vs others）”多类SVM算法的故障诊断模型,并提出基于PCA与SVM组合的PCA SVM故障诊断模型,同时,利用实验数据加以验证.结果表明：PCA SVM模型可将16个原始变量转化为相互独立的主元,并可提取前4个主元用于故障诊断而将正常与故障的模式分离,对故障的诊断率不低于98.57%,优于单纯SVM模型,且PCA SVM模型的训练速度比SVM模型快约130~350倍;PCA SVM模型对小样本的处理能力优于BP神经网络模型,其诊断正确率较高,训练耗时较少（约1/240）.     

基于PCA的氧化铝蒸发系统故障检测

针对氧化铝蒸发系统结构复杂、物理模型难以搭建、大量数据得不到合理利用的问题,提出了基于主成分分析(PCA)的故障检测方法和直观的故障分离方法.通过对氧化铝蒸发系统进行深入分析,对系统故障进行分类,并在仿真模型中建立了不同的故障类型模型.最后,基于对氧化铝蒸发故障进行模拟得到的故障数据,给出了在氧化铝蒸发过程故障检测中的实例,验证了PCA方法的可行性.