測(cè)效果圖。圖2(a)中的I2統(tǒng)計(jì)量誤報(bào)率為9%，圖2(b)中的SPE 統(tǒng)計(jì)量誤報(bào)率為2. 5%;而本發(fā)明方法沒有任何誤報(bào)警，顯示出更好的檢測(cè)效果，其中松弛 因子a= 1/2。
[0104] 圖4(a)_4(b)和圖5(a)_5(b)分別為傳統(tǒng)的FastICA方法和本發(fā)明方法對(duì)故障 2- 冷凝器水量不足的檢測(cè)效果圖。可見兩種方法都沒有任何誤報(bào)警，檢測(cè)準(zhǔn)確率為100%。 然而，傳統(tǒng)的FastICA方法在故障檢測(cè)中出現(xiàn)了"達(dá)到最大迭代次數(shù)，但還未收斂"的現(xiàn)象； 本發(fā)明降低了算法對(duì)初值選擇的敏感性，有較好的收斂性，保證了故障檢測(cè)的可靠性，其中 松弛因子a= 1/2。
[0105] 圖6(a)_6(b)和圖7(a)_7(b)分別為傳統(tǒng)的FastICA方法和本發(fā)明方法對(duì)故障 3- 制冷劑泄漏的檢測(cè)效果圖。圖6(a)中的I2統(tǒng)計(jì)量誤報(bào)率為20%，圖6(b)中的SPE統(tǒng) 計(jì)量誤報(bào)率為27. 5 % ;圖7 (a)中的I2統(tǒng)計(jì)量誤報(bào)率為0 %，圖7 (b)中的SPE統(tǒng)計(jì)量誤報(bào) 率為8%?？梢姸景l(fā)明方法有更好的檢測(cè)效果，其中松弛因子a= 1/4。
[0106] 圖8(a)_8(b)和圖9(a)_9(b)分別為傳統(tǒng)的FastICA方法和本發(fā)明方法對(duì)故障 4-制冷劑過量的檢測(cè)效果圖。圖8(a)中的I2統(tǒng)計(jì)量誤報(bào)率為5%，圖8(b)中的SPE統(tǒng)計(jì) 量誤報(bào)率為8 % ;圖9 (a)中的I2統(tǒng)計(jì)量誤報(bào)率為4 %，圖9 (b)中的SPE統(tǒng)計(jì)量誤報(bào)率為 2%。可見而本發(fā)明方法有更好的檢測(cè)效果，其中松弛因子a= 1。
[0107] 圖10 (a)-10(b)和圖11 (a)-11(b)分別為傳統(tǒng)的FastICA方法和本發(fā)明方法對(duì)故 障5-制冷劑中含不凝性氣體的檢測(cè)效果圖。兩種方法檢測(cè)準(zhǔn)確率均為100%，沒有任何誤 報(bào)警。然而，傳統(tǒng)的FastICA方法在故障檢測(cè)中出現(xiàn)了"達(dá)到最大迭代次數(shù)，但還未收斂" 的現(xiàn)象；本發(fā)明降低了算法對(duì)初值選擇的敏感性，有較好的收斂性，保證了故障檢測(cè)的可靠 性，其中松弛因子a= 1/4。
[0108] 圖12 (a)-12(b)和圖13 (a)-13(b)分別為傳統(tǒng)的FastICA方法和本發(fā)明方法對(duì)故 障6-冷凝器結(jié)垢的檢測(cè)效果圖。圖12(a)中的I2統(tǒng)計(jì)量誤報(bào)率為28%，圖12(b)中的SPE 統(tǒng)計(jì)量誤報(bào)率為〇% ;而本發(fā)明方法沒有任何誤報(bào)警，顯示出更好的檢測(cè)效果，其中松弛因 子a= 1/4。
[0109] 圖14 (a) -14 (b)和圖15 (a) -15 (b)分別為傳統(tǒng)的FastICA方法和本發(fā)明方法對(duì)故 障7-潤滑油過多的檢測(cè)效果圖。圖14(a)中的I2統(tǒng)計(jì)量誤報(bào)率為11%，圖14(b)中的SPE 統(tǒng)計(jì)量誤報(bào)率為4% ;圖15(a)中的I2統(tǒng)計(jì)量誤報(bào)率為5%，圖15(b)中的SPE統(tǒng)計(jì)量誤報(bào) 率為3%。可見而本發(fā)明方法有更好的檢測(cè)效果，其中松弛因子a= 1/2。
[0110] 為了更形象地對(duì)比傳統(tǒng)方法與本發(fā)明方法應(yīng)用于冷水機(jī)組制冷過程故障檢測(cè)的 有效性，對(duì)上述7種故障數(shù)據(jù)的檢測(cè)效果列表對(duì)比如下：
[0111] 表3故障檢測(cè)情況
[0112]
[0114] 注：準(zhǔn)確率是未發(fā)生故障時(shí)不產(chǎn)生警報(bào)的樣本數(shù)目加上故障發(fā)生后報(bào)警的樣本數(shù) 目總和與總的樣本數(shù)目比值；誤報(bào)率是未發(fā)生故障時(shí)產(chǎn)生報(bào)警的樣本與總的樣本數(shù)目比 值；漏報(bào)率是發(fā)生故障后未報(bào)警的樣本與總的樣本數(shù)目的比值.
[0115] 從表3可以發(fā)現(xiàn)，改進(jìn)后的FastICA降低了算法對(duì)初始值的依賴性，提高算法的穩(wěn) 定性，也有效地提高了故障檢測(cè)的準(zhǔn)確率。
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)的FastICA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)，可有效減少過程檢測(cè)中漏報(bào)的發(fā)生，提高故障檢測(cè)的準(zhǔn)確 性； 其特征在于：本方法的實(shí)現(xiàn)步驟如下： A.離線建模階段： 1) 穩(wěn)態(tài)處理：采集制冷過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)； 設(shè)歷史數(shù)據(jù)的采樣時(shí)間序列為{X(]，Xl，X2，…，χη}，則幾何加權(quán)平均及幾何加權(quán)方差 sj別為：其中，xk為樣本的時(shí)間序列數(shù)據(jù)，k = 0，l，2, ···，!!，β為幾何加權(quán)系數(shù)且為大于O小于 1的常數(shù)，Tss為有效時(shí)間窗長度，At為時(shí)間步長，即數(shù)據(jù)的采集間隔；三者之間的關(guān)系為蒸發(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)）作為建模過程的訓(xùn)練數(shù)據(jù)； 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： 首先計(jì)算訓(xùn)練數(shù)據(jù)X的所有時(shí)刻上所有過程變量的均值和標(biāo)準(zhǔn)方差，其中第j個(gè)過程變量的均值-的計(jì)算公式為 ；第j個(gè)過程變量的標(biāo)準(zhǔn)方差 Ij. S_j的計(jì)算公式為，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)過程變量的標(biāo)準(zhǔn)化計(jì)算公 式如下：3) 利用改進(jìn)的FastICA方法提取獨(dú)立成分： 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 = Λ 1/2UT，其中U和 Λ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' ； 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ε ; 3. 3)對(duì)迭代式引入因子a，變?yōu)槠渲蠴 < a< 1 ;引入松弛因子的牛頓迭代法放寬了初始 值的選擇條件，可以提高收斂的穩(wěn)定性； 3.4) 更新Id1，并執(zhí)行正交化3.5) 當(dāng)|b1+1-b」< ε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)； 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，S = (S' ^…，S' Ν); 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：I 2= SS T，SPE =eTe，其中，e為殘差矩陣，e =. I _e為殘差矩陣，.= I - ,r:,即估計(jì)出的觀測(cè)數(shù)據(jù) 與實(shí)際數(shù)據(jù)的誤差，I為通過獨(dú)立分量估計(jì)出的觀測(cè)數(shù)據(jù)，I = ; 6) 利用核密度估計(jì)方法估計(jì)統(tǒng)計(jì)量的控制限； B.在線檢測(cè)階段： 7) 采集冷水機(jī)組制冷過程的當(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)過程變量》 :』的標(biāo)準(zhǔn)化公式如下：8) 提取標(biāo)準(zhǔn)化后》的獨(dú)立成分Sk，計(jì)算公式如下： % = Wxt 其中，W為模型訓(xùn)練階段步驟4)中所確定的分離矩陣； 9) 計(jì)算當(dāng)前制冷過程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： G =足5了，57? = e/e,，其中，Sk為標(biāo)準(zhǔn)化后的k時(shí)刻采集數(shù)據(jù)Χ?的獨(dú)立成分；％為k 時(shí)刻的殘差矩陣，％ = JTa - ; 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； 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。
【專利摘要】一種基于改進(jìn)的FastICA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，有效降低算法對(duì)初始值的依賴性。本發(fā)明包括“離線建?！焙汀霸诰€檢測(cè)”兩個(gè)階段?！半x線建?！卑ǎ菏紫日?shù)據(jù)樣本進(jìn)行穩(wěn)態(tài)處理；之后采用引入松弛因子的FastICA算法提取數(shù)據(jù)的獨(dú)立成分信息；最后計(jì)算統(tǒng)計(jì)量I2和SPE，并利用核密度估計(jì)方法確定控制限?！霸诰€檢測(cè)”包括：對(duì)新采集的制冷過程數(shù)據(jù)按照模型進(jìn)行處理，計(jì)算其統(tǒng)計(jì)量并與控制限進(jìn)行比較判斷制冷過程是否運(yùn)行正常。本發(fā)明降低了FastICA算法對(duì)初始值的依賴性，保證了冷水機(jī)組制冷過程的安全性和穩(wěn)定性。
【IPC分類】F25B49/00, G01M13/00
【公開號(hào)】CN105067252
【申請(qǐng)?zhí)枴緾N201510520758
【發(fā)明人】王普, 辛嬌嬌, 張楠華, 高學(xué)金
【申請(qǐng)人】北京工業(yè)大學(xué)
【公開日】2015年11月18日
【申請(qǐng)日】2015年8月23日