一種基于改進(jìn)的FastICA的冷水機(jī)組故障檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷技術(shù)領(lǐng)域，特別是涉及一種針對(duì)暖通空調(diào)領(lǐng) 域中的冷水機(jī)組制冷過(guò)程的故障檢測(cè)方法。
【背景技術(shù)】
[0002] 現(xiàn)代化的工業(yè)與民用建筑一般都使用大型水冷式冷水機(jī)組作為中央空調(diào)的冷源。 在機(jī)組運(yùn)行過(guò)程中，不可避免地會(huì)出現(xiàn)各種故障，若得不到及時(shí)排除，勢(shì)必導(dǎo)致系統(tǒng)運(yùn)行參 數(shù)嚴(yán)重偏離要求的設(shè)定值，給室內(nèi)人員帶來(lái)不舒適感，同時(shí)會(huì)增加系統(tǒng)能耗，縮短設(shè)備使用 壽命.因此，對(duì)冷水機(jī)組進(jìn)行故障檢測(cè)與診斷，及時(shí)預(yù)防和排除故障，保持冷水機(jī)組正常、 高效運(yùn)行是非常重要的.在過(guò)去幾十年里，冷水機(jī)組故障檢測(cè)與診斷（faultdetection anddiagnosis，F(xiàn)DD)的發(fā)展一直是研究的熱點(diǎn)之一。
[0003] 目前，應(yīng)用在暖通空調(diào)系統(tǒng)中的FDD方法主要為三大類：基于定量模型的方法、基 于定性模型的方法、基于過(guò)程歷史數(shù)據(jù)的方法。因制冷系統(tǒng)較為復(fù)雜，知識(shí)獲取困難，為前 兩者的研究帶來(lái)諸多不便；而基于過(guò)程歷史數(shù)據(jù)方法則完全依靠數(shù)據(jù)本身建立模型，不需 要先驗(yàn)知識(shí)，即可從豐富的數(shù)據(jù)中提煉出有用的信息，因此基于過(guò)程歷史數(shù)據(jù)的方法在制 冷系統(tǒng)的FDD中得到了很好的推廣。主成分分析方法屬于基于過(guò)程歷史數(shù)據(jù)方法的范疇， 廣泛應(yīng)用于冷水機(jī)組、空氣處理機(jī)組傳感器、冷凍水回路傳感器、和系統(tǒng)級(jí)故障診斷的FDD 等。研究表明，冷水機(jī)組的觀測(cè)變量都是具有明顯的非高斯分布。然而，PCA方法成立的前 提是觀測(cè)數(shù)據(jù)服從正態(tài)分布，傳統(tǒng)的PCA必然導(dǎo)致過(guò)程故障檢測(cè)率較低以及故障的誤報(bào)、 漏報(bào)較大的現(xiàn)象。此外，主元分析僅解除了數(shù)據(jù)間的線性相關(guān)性，并未對(duì)數(shù)據(jù)的獨(dú)立性問(wèn)題 予以考慮。
[0004] 而獨(dú)立元分析方法（IndependentComponentAnalysis，ICA)是近年來(lái)發(fā)展起來(lái)的 一種新的統(tǒng)計(jì)信號(hào)處理方法，作為標(biāo)準(zhǔn)PCA的延伸，它不僅去除了變量之間的相關(guān)性，而且 還包含了它們之間的高階統(tǒng)計(jì)信息，ICA方法得到的獨(dú)立成分分量滿足統(tǒng)計(jì)意義上的獨(dú)立 性，因此ICA比傳統(tǒng)的統(tǒng)計(jì)分析方法包含了更多的有用信息。雖然ICA在生物醫(yī)學(xué)信號(hào)處 理、混合語(yǔ)音信號(hào)分離、盲源分離等方面已得到較好的應(yīng)用，但其在冷水機(jī)組過(guò)程監(jiān)控方面 的應(yīng)用還鮮有報(bào)道。鑒于此，本方法在傳統(tǒng)FastICA的基礎(chǔ)上，引入松弛因子，改變了原迭 代方式。這樣可以放寬算法對(duì)初始值的依賴性，減弱FastICA算法對(duì)初始的分離矩陣的敏 感度。通過(guò)ASHRAE1043-RP的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了該方法的有效性。

【發(fā)明內(nèi)容】

[0005] 針對(duì)冷水機(jī)組過(guò)程數(shù)據(jù)的非高斯性，及FastICA對(duì)初始值選擇的敏感問(wèn)題，本發(fā) 明提供了一種基于改進(jìn)的FastICA算法的冷水機(jī)組故障檢測(cè)方法。在傳統(tǒng)FastICA的基礎(chǔ) 上，引入松弛因子，改變了原迭代方式。用改進(jìn)的FastICA算法提取的冷水機(jī)組過(guò)程數(shù)據(jù)的 獨(dú)立成分，構(gòu)建統(tǒng)計(jì)量，進(jìn)行故障檢測(cè)，可有效減少過(guò)程檢測(cè)中漏報(bào)的發(fā)生，提高故障檢測(cè) 的準(zhǔn)確性。
[0006] 本方法的實(shí)現(xiàn)步驟如下：
[0007]A.離線建模階段：
[0008] 1)穩(wěn)態(tài)處理：采集制冷過(guò)程正常工況下的歷史數(shù)據(jù)，該數(shù)據(jù)包含機(jī)組瞬態(tài)和穩(wěn)態(tài) 運(yùn)行的數(shù)據(jù)，在開始故障診斷之前，需要對(duì)原始數(shù)據(jù)需進(jìn)行穩(wěn)態(tài)篩查，去除非穩(wěn)態(tài)數(shù)據(jù)，保 留穩(wěn)態(tài)數(shù)據(jù)。
[0009] 設(shè)歷史數(shù)據(jù)的采樣時(shí)間序列為{x。，X1, X2，…，xn}，則幾何加權(quán)平均^及幾何加權(quán) 方差Sn分別為：
[0011]其中，xk為樣本的時(shí)間序列數(shù)據(jù)，k= 0, 1,2,???，!!，P為幾何加權(quán)系數(shù)且為大于0 小于1的常數(shù)，Tss為有效時(shí)間窗長(zhǎng)度，At為時(shí)間步長(zhǎng)，即數(shù)據(jù)的采集間隔。三者之間的
[0012] 蒸發(fā)器進(jìn)水溫度（TWEI)、蒸發(fā)器出水溫度（TWEO)和冷凝器進(jìn)水溫度（TWCI)三者 對(duì)定水量冷水機(jī)組的性能具有決定性作用，選作判斷機(jī)組是否處于穩(wěn)態(tài)的特征參數(shù)，只有 當(dāng)三者的幾何加權(quán)均方差均低于事先設(shè)定的限值時(shí)，才認(rèn)為機(jī)組處于（準(zhǔn)）穩(wěn)態(tài)運(yùn)行。各 組實(shí)驗(yàn)數(shù)據(jù)經(jīng)穩(wěn)態(tài)篩查后，從經(jīng)過(guò)穩(wěn)態(tài)篩選后的數(shù)據(jù)中隨機(jī)選取部分?jǐn)?shù)據(jù)（為保證模型的 精度，正常樣本最好不少于200個(gè)）作為建模過(guò)程的訓(xùn)練數(shù)據(jù)。
[0013] 2)對(duì)訓(xùn)練數(shù)據(jù)X進(jìn)行標(biāo)準(zhǔn)化處理，處理方式如下：
[0014] 首先計(jì)算訓(xùn)練數(shù)據(jù)X的所有時(shí)刻上所有過(guò)程變量的均值和標(biāo)準(zhǔn)方差，其中第j個(gè)
[0016] 然后對(duì)歷史數(shù)據(jù)X進(jìn)行標(biāo)準(zhǔn)化，其中第i采樣時(shí)刻的第j個(gè)過(guò)程變量的標(biāo)準(zhǔn)化計(jì) 算公式如下：
[0018]其中，i= 1，? ? ?，N，j= 1，? ? ?，J;
[0019] 3)利用改進(jìn)的FastICA方法提取獨(dú)立成分：
[0020] 3. 1)對(duì)二維矩陣X'利用主成分分析PCA方法得到白化矩陣Q，Q=A1/2UT，其中 U和A分別為X'的協(xié)方差矩陣對(duì)應(yīng)的特征向量矩陣和特征值矩陣，之后將X'進(jìn)行白化，白 化公式為：Z=QX' ；
[0021] 3. 2)對(duì)隨機(jī)權(quán)矢量W。進(jìn)行初始化，并設(shè)收斂誤差e;
始值的選擇條件，可以提高收斂的穩(wěn)定性。
[0024] 3. 5)當(dāng)Ib1+1-b」<e時(shí)，算法是收斂的，估算出一個(gè)獨(dú)立分量，如果不收斂，則返 回 3. 3)。
[0025] 4)利用改進(jìn)的FastICA算法從Z中估計(jì)出新的混合矩陣B和分離矩陣W，再根據(jù) S=BtZ得到獨(dú)立成分S，沒=(式，? ? ?，6:;);
[0026]5)計(jì)算正常狀態(tài)下測(cè)量數(shù)據(jù)集的檢測(cè)統(tǒng)計(jì)量I2和SPE，計(jì)算公式如下：I2=SST， SPE=eTe，其中，e為殘差矩陣，e = -if;e為殘差矩陣Z，即估計(jì)出的觀測(cè) 數(shù)據(jù)與實(shí)際數(shù)據(jù)的誤差，J為通過(guò)獨(dú)立分量估計(jì)出的觀測(cè)數(shù)據(jù)，I= (T1;
[0027] 6)利用核密度估計(jì)方法估計(jì)統(tǒng)計(jì)量的控制限；
[0028] B.在線檢測(cè)階段：
[0029] 7)采集冷水機(jī)組制冷過(guò)程的當(dāng)前時(shí)刻數(shù)據(jù)Xk，并根據(jù)步驟2)中得到均值和標(biāo)準(zhǔn) 方差對(duì)其進(jìn)行標(biāo)準(zhǔn)化，其中第k采樣時(shí)刻的第j個(gè)過(guò)程變量的標(biāo)準(zhǔn)化公式如下：
[0031] 8)提取標(biāo)準(zhǔn)化后_的獨(dú)立成分Sk，計(jì)算公式如下：
[0032] Sj=Wxl
[0033] 其中，W為模型訓(xùn)練階段步驟4)中所確定的分離矩陣；
[0034] 9)計(jì)算當(dāng)前制冷過(guò)程k時(shí)刻測(cè)量數(shù)據(jù)的檢測(cè)統(tǒng)計(jì)量I2和SPE，計(jì)算公式如下： ，SPEk=ekTek，其中，Sk為標(biāo)準(zhǔn)化后的k時(shí)刻采集數(shù)據(jù)為的獨(dú)立成分；ek*k時(shí) 刻的殘差矩陣，％ =八-Zk
[0035] 10)將上述計(jì)算得到的檢測(cè)統(tǒng)計(jì)量與建模階段的步驟6)確定的控制限進(jìn)行比較， 如果二者都未超出，則判定當(dāng)前時(shí)刻的過(guò)程測(cè)量數(shù)據(jù)正常；否則認(rèn)為發(fā)生故障，進(jìn)行報(bào)警。
[0036] 11)若機(jī)組停止制冷，則終止檢測(cè)；否則采集下一時(shí)刻的數(shù)據(jù)，返回步驟7)，直到 制冷結(jié)束。
[0037] 有益效果
[0038] 與現(xiàn)有技術(shù)相比，本發(fā)明將改進(jìn)的牛頓迭代法引入到FastICA中，改變了原迭代 方式，這樣可以放寬算法對(duì)初始值的依賴性，減弱FastICA算法對(duì)初始的分離矩陣的敏感 度。用改進(jìn)的FastICA算法對(duì)冷水機(jī)組制冷過(guò)程數(shù)據(jù)建模并進(jìn)行故障檢測(cè)，提高模型的穩(wěn) 定性，降低檢測(cè)的漏報(bào)率。
【附圖說(shuō)明】
[0039] 圖1為本發(fā)明的方法流程圖；
[0040] 圖2(a)為傳統(tǒng)的FastICA方法對(duì)故障1-蒸發(fā)器水量不足的獨(dú)立成分平方和I2監(jiān) 測(cè)圖；
[0041] 圖2 (b)為傳統(tǒng)的FastICA方法對(duì)故障1-蒸發(fā)器水量不足的預(yù)測(cè)誤差平方和SPE 監(jiān)測(cè)圖；
[0042] 圖3 (a)為本發(fā)明的FastICA方法對(duì)故障1-蒸發(fā)器水量不足的獨(dú)立成分平方和I2 監(jiān)測(cè)圖；
[0043] 圖3(b)為本發(fā)明的FastICA方法對(duì)故障1-蒸發(fā)器水量不足的預(yù)測(cè)誤差平方和 SPE監(jiān)測(cè)圖；
[0044] 圖4 (a)為傳統(tǒng)的FastICA方法對(duì)故障2-冷凝器水量不足的獨(dú)立成分平方和I2監(jiān) 測(cè)圖；
[0045] 圖4 (b)為傳統(tǒng)的FastICA方法對(duì)故障2-冷凝器水量不足的預(yù)測(cè)誤差平方和SPE 監(jiān)測(cè)圖；
[0046] 圖5 (a)為本發(fā)明的FastICA方法對(duì)故障2-冷凝器水量不足的獨(dú)立成分平方和I2 監(jiān)測(cè)圖；
[0047] 圖5(b)為本發(fā)明的FastICA方法對(duì)故障2-冷凝器水量不足的預(yù)測(cè)誤差平方和 SPE監(jiān)測(cè)圖；
[0048] 圖