[发明专利]一种基于GSRA模型的冷水机组故障诊断方法

说明书

本发明公开了一种基于GSRA模型的冷水机组故障诊断方法。该方法首先使用遗传算法优化各劣化等级下的加权指数，构建综合参考故障模式；其次引入关联度阈值对待检故障模式进行定性诊断，利用灰色相似关联度(GSRD)和阈值确定它的嫌疑故障模式；最后再利用GSRD对定性结果进行定量诊断，确定待检故障模式的类别与劣化等级。该方法可有效应用于冷水机组故障诊断。相比于使用单一劣化等级下的参考故障模式表示综合参考故障模式和单一依靠最大关联度原则确定故障模式的传统手段，本发明提出的方法显著提高了故障诊断性能，该方法不仅对小样本模式识别有着良好分类效果，且具有计算量小、参数优化简单、不要求样本数据服从某种特定分布等诸多优点。

技术领域

本发明属于制冷设备技术领域，尤其涉及一种基于GSRA(灰色相似关联分析)模型的冷水机组故障诊断方法。

背景技术

冷水机组是暖通空调系统中的主要部件，目前国内运行在实际现场中的冷水机组大多仅对其运行状态进行监测与控制，而对故障检测与诊断，仅能够完成“高压报警”和“低压报警”等的硬故障检测功能。现场冷水机组缺乏对软故障的检测与诊断能力是普遍存在的现象。将有效的故障检测与诊断技术应用于冷水机组，及时发现故障并予以排除，对维持室内环境舒适度、减少设备损耗、节约能源具有重要意义。

过去十几年间，许多学者对冷水机组的故障检测与诊断方法进行了广泛研究，提出了一些从理论上可行的对软故障检测与诊断的方法。然而，这些方法却未能有效应用到实际现场冷水机组中，其主要原因是：1)现场缺乏大量的故障采集数据，而目前提出的方法为了获得良好的诊断性能，往往需要大量数据用于模型训练；2)对采集样本数据分布要求高，常常需要样本数据服从某种特定分布，比如高斯分布，而实际现场数据难以满足。虽然基于支持向量机的方法具有一定的小样本模式识别能力，但目前耗费大量计算时间的参数优化使其不适合现场在线应用。解决“小样本，贫信息”问题是灰色系统理论与技术最显著特点。

目前，在将GSRA应用到冷水机组故障诊断中时，传统的技术途径有：1)使用单一劣化等级下的参考故障模式构建综合参考故障模式；2)单一依靠最大关联度原则确定待检故障模式的类别。然而，上述两条传统途径常常存在故障漏判和误判的现象。

针对此不足，基于如下两点：1)综合考虑多种劣化等级下的参考故障模式构建综合参考故障模式；2)引入关联度阈值作为判别待检故障模式的类别的依据；提出一种基于GSRA模型的冷水机组故障诊断方法成为目前本领域亟待解决的技术问题。

发明内容

为解决现有技术中存在的上述缺陷，本发明针对冷水机组现场在线故障诊断属于“小样本，贫信息”的问题特点，提出一种基于GSRA模型的冷水机组故障诊断方法，该方法可以有效解决现有方法上的不足，它不仅对小样本模式识别有着良好分类效果，且具有计算量小、参数优化简单、不要求样本数据服从某种特定分布等诸多优点。

该方法的形成原则：1)构建综合参考故障模式时必须考虑故障劣化等级，实现软故障诊断；2)避免单一依靠最大关联度原则导致的故障误判和漏判问题，从而提升故障诊断性能。本发明旨在将该故障诊断技术有效应用到冷水机组的实际现场中，从而有利于降低机组能耗，提高机组运行可靠性。

实现本发明的目的的技术路径是：第一步，确定待检故障模式的嫌疑故障模式(待检故障模式最有可能属于的故障模式)。在该步骤中，首先将每个已知故障模式在多个劣化等级下的参考故障模式进行加权平均，得到对应每个已知故障模式的综合参考故障模式；然后针对每个已知故障模式引入一个关联度阈值，作为确定待检故障模式的嫌疑故障模式的依据，即通过比较待检故障模式与综合参考故障模式之间GSRD(灰色相似关联度)与阈值的大小，确定待检故障模式的嫌疑故障模式；第二步，确定待检故障模式的类别与劣化等级。在该步骤中，计算待检故障模式与它的各个嫌疑故障模式在各个劣化等级下的参考故障模式之间的GSRD，依据最大关联度原则确定待检故障模式的类别与劣化等级。为了获得优良的故障诊断性能，本发明引入遗传算法(GA)确定最优的加权系数和阈值。