会员登录
会员注册
下表为各故障的判断规则(表2)：
表2 操作条件趋势类型用于检测及诊断冷水机组故障的各特征参数
|
操作条件 |
趋势 |
类型 |
用于检测及诊断冷水机组故障的各特征参数 | ||||||||||
|
蒸发器 |
冷凝器 |
压缩机 |
机组 | ||||||||||
|
Qevap |
CHWTD |
APPRe |
UAe |
Qcond |
CWTD |
APPRc |
UAc |
ηisentropic |
ηmotor |
COP | |||
|
基本状态 |
正 |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø | |
|
放热量变化 |
升 |
正 |
Ø |
Ø |
Ø |
Ø |
－ |
Ø |
Ø |
Ø |
Ø |
Ø |
＋ |
|
降 |
正 |
Ø |
Ø |
Ø |
Ø |
－ |
Ø |
Ø |
Ø |
Ø |
Ø |
－ | |
|
负荷变化 |
升 |
正 |
＋ |
＋ |
＋ |
－ |
＋ |
＋ |
＋ |
＋ |
＋ |
＋ |
＋ |
|
降 |
正 |
－ |
－ |
－ |
＋ |
－ |
－ |
－ |
－ |
－ |
－ |
－ | |
|
冷冻水流量变化 |
升 |
误 |
Ø |
－ |
－ |
＋ |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
＋ |
|
降 |
误 |
Ø |
＋ |
＋ |
－ |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
－ | |
|
冷却水流量变化 |
升 |
误 |
Ø |
Ø |
Ø |
Ø |
Ø |
－ |
－ |
＋ |
Ø |
Ø |
＋ |
|
降 |
误 |
Ø |
Ø |
Ø |
Ø |
Ø |
＋ |
＋ |
－ |
Ø |
Ø |
－ | |
|
蒸发器盘管污垢 |
升 |
误 |
Ø |
Ø |
＋ |
－ |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
－ |
|
降 |
Ø |
Ø |
－ |
＋ |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
＋ | ||
|
冷凝器盘管污垢 |
升 |
误 |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
＋ |
－ |
Ø |
Ø |
－ |
|
降 |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
－ |
＋ |
Ø |
Ø |
－ | ||
|
压缩机内部故障 |
升 |
误 |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
－ |
Ø |
－ |
|
电机/传输故障 |
升 |
误 |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
Ø |
－ |
－ |
表中的各个参数分别表示(某些参数如图4所示)：
从上面的表中可以看出：冷水机组的大部分故障所表现出来的症状都比较明显，各自对应的特征参数的变化差别比较大，但有些故障的特征参数变化的差别比较小。如冷凝器污垢与冷却水量下降这两个故障。
这两个故障中，蒸发器、压缩机中的各个参数及机组的整体性能参数都对这两个故障不敏感，而冷却水进出口温差、冷却水与制冷剂间的最小温差及冷凝器的总传热系数这三个参数差别比较明显，所以，可从这三个参数的变化上判断出究竟是那个故障。
除了利用内在参数进行故障检测及诊断外，还可以采用外在参数进行故障检测的研究。可以通过监测水泵、风机等电机的用电负荷进行HVAC系统故障检测，通过分析诸如空气流量、电机转速等外在参数与电功率消耗之间的关系去检测、诊断故障，或者在电机刚启动后，分析电机的机械动力物理模型，从而得出空调系统的故障。
2.2 对供暖系统
在对HVAC系统的故障检测及诊断技术的研究中，对供暖系统的研究相对较少。表6给出了针对供暖系统故障与特征参数的对应关系。图4给出了供暖系统故障判断结构图。
表6 总结果症状可能的故障
|
总结果 |
症状 |
可能的故障 |
|
居住者感到不舒服 |
在房间被使用时室内温度过低 |
加热曲线不合理 |
|
室内温度补偿器失灵 | ||
|
控制阀阻塞 | ||
|
室外温度传感器损坏 | ||
|
能耗过大 |
在房间刚开始被使用时室内温度过低 |
突然加热过晚 |
|
水离开锅炉的温度最高值定得过低 | ||
|
阀门阻塞 | ||
|
在房间被使用时室内温度过高 |
加热曲线不合理 | |
|
室内温度补偿器失灵 | ||
|
控制阀阻塞 | ||
|
……. |
……. |
图5
从表6及图5可以看出，对供暖系统故障的这项研究主要包括两个部分。一是预处理器，将三个参数(室内温度、室内温度、供水温度)的72个值预处理，求出日平均温度等值。二是分类器，将求出的值进行分类，从而得到“使用时加热不足”等6个故障。
对不同的研究对象可以采用不同的方法、选用不同的特征参数进行故障检测研究，以能够准确的判断出故障原因。
3 建立故障及正常状态数据库
通过以上分析，我们就找到了针对不同的空调系统各种特征参数，有了这些特征参数后，就需要将之汇总起来，建立数据库，以便使通过数据采集系统采集来的数据与之相对照，从而判断出系统的运行状况。
4 编制系统软件，对数据库进行训练和改进
以上步骤完成以后，就要编制系统软件，建立友好的人机对话界面，并将各个模块有机地连接起来。然后，利用专家知识对系统进行训练，使系统达到预期效果。
5 验收、鉴定、试运行
为满足故障检测及诊断的实际需要，所开发的智能诊断系统必须先经过实验系统的运行，在此过程中，对诊断系统中的错误之处加以改正，不足之处加以改进，使诊断系统能更加满足实际工程的需要。
结束语
通过以上分析可以知道，传统的设备管理模式早已经不适应智能建筑的要求，实现设备预测维修和设备主动式智能化管理已迫在眉睫。HVAC系统故障检测及诊断技术是建筑设备领域的一个新课题，其中涉及多个学科的知识，既需要有空调、制冷方面的专业知识，又需要计算机、自动控制方面的知识，还需要运用数学知识。目前，这一技术的应用还有很多问题值得探讨，也还有不少技术难题没有解决。但是，无论从经济角度还是从整个建筑的性能以及对节能的贡献来考虑，都应积极开展HVAC系统故障检测及诊断技术的研究。
参考文献：
1.John M.House,Won Yong Lee,Dong Ryul Shin.Classification Techniques for Fault Detection and Diagnose of an Air-handing Unit.ASHARE Transactions,105,1999
2.Meli Stylianou,Darius Nikanpour.Performance monitoring, Fault detection, and diagnosis of Reciprocating Chillers.ASHARE Transactions,102,1996(Ⅰ)
3.Ian B.D.Mclntosh,John W.Mitchell.Fault Detection and Diagnosis in chillers-Part Ⅰ:Model Development and Application.ASHARE Transactions,106,2000(Ⅱ)，268-282
4.Edwars S J，etc.Expert system for real-time monitoring and fault diagnosis.NASA-CR,1989
5.Xiaoming Li,Ph.D.,Jean-Christophe Visier,Ph.D.,Hossein Vaezi-Nejas,Ph.D.A Neural Network Prototype for fault Detection and Diagnosis of Heating Systems ASHARE Transactions,103,1997(Ⅰ)，634-644
6.Bin Chen,James E.Braun,Ph.D.,P.E.Simple Rule-Based Methods for Fault Detection and diagnostics Applied to Packaged Air Conditioners ASHARE Transactions,107,2001(Ⅰ)，847-857
7.郑洁.周玉礼.李兴友.暖通空调系统故障诊断技术及应用.《机电一体化》.2003年第3期.
8.源生一太郎.制冷机的理论和性能.北京.农业出版社，1982