本站小編為你精心準備了智能化故障診斷技術的應用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

當前智能化故障診斷技術作為一種有效的故障防范策略，已被融入到現代空調制冷系統的實踐應用當中，它不僅可有效降低制冷系統的運行成本，而且還能明顯提升系統運行的安全性與可靠性。本文結合工作實踐，著重就智能化故障診斷技術在空調制冷系統中的應用進行了探索與研究。

關鍵詞：

制冷系統；故障診斷；智能化

近年來，隨著我國經濟的快速發展，制冷系統在人們日常生活、工業生產中的應用已越發普及，其重要性也不斷增強。如何進一步提升制冷系統的安全性與可靠性，已成為了當前國內外眾多學者所共同關注的焦點問題。智能化故障診斷技術作為一種有效的故障防范策略，它能通過實時、自動的監測和采集制冷系統的狀態信息與運行參數，以起到有效預測故障發生、判定故障性質、評估系統運行狀態以及延長系統正常使用壽命的目的。

1制冷系統的故障特點

制冷系統根據其工作原理，主要分為蒸汽壓縮式制冷系統、吸收式制冷系統、半導體式制冷系統以及吸附式制冷系統等多種類型。以蒸汽壓縮式制冷系統為例，其常見故障類型包括了：制冷劑泄漏、冷卻水量減少、管路壓力增大等問題，而導致系統冷卻效率的降低及系統能耗的增加。正是由于蒸汽壓縮式制冷系統的構成元件多（制冷壓縮機、節流裝置、熱交換設備、管道等）、循環工作狀態復雜（包括制冷劑、水、空氣、油等），因此當制冷系統故障發生時，具有故障原因復雜、故障征兆復雜的特點，且存在著較多不易被檢測的參數，部分檢測數據與故障問題之間的關聯性也不明顯。因此，在制冷系統的故障診斷時，如果只依靠維護人員的個人經驗或儀器進行故障的查找與排除時，不僅診斷效率低，而且檢修成本高、檢修失誤率高。針對以上問題，近年來制冷系統的故障診斷技術，已逐步由傳統的單一化、常規化的診斷方法，發展為以人工智能技術、信息技術等先進技術為基礎的智能化診斷方式。

2智能化故障診斷技術在制冷系統中的具體應用

智能化故障診斷技術，是近年來發展非常迅速的一門綜合性應用技術，也是由現代人工智能學、控制學、信號處理學、模型識別學等多種學科所交叉形成的新興學科。

2.1常見智能化故障診斷技術的類型。目前，應用于制冷系統中的智能化故障診斷技術，其常見類型包括了基于數學模型的故障診斷技術、基于直接可測信號的故障診斷技術、基于知識經驗的故障診斷技術這三大類。其中，基于可測信號和知識經驗的故障診斷技術，也被稱為直接診斷法，它是直接利用制冷系統的可測信號與知識經驗，以判定故障類型、預測故障發生的方法，常見的診斷技術包括了專家系統診斷法、模糊數學診斷法、神經網絡診斷法、小波分析診斷法等；而基于數學模型的故障診斷技術，則被稱為間接診斷法，它是間接利用數學模型，以全面反映與評估制冷系統的故障情況及安全性的方法，常見數學模型包括了故障樹模型、攻擊樹模型、攻擊圖模型等。

2.2智能化故障診斷技術的具體應用

2.2.1專家系統的應用。專家系統診斷技術，它屬于當前人工智能技術領域中一個前沿分支，即是將一些已在實踐中得以驗證的知識經驗進行數字化表達，并通過存入計算機系統中，從而以形成具備強大推理能力、決策能力的專家系統。用于制冷系統中的專家系統，其工作原理詳見圖1所示。該專家系統主要由故障診斷模塊、故障解釋模塊、故障處理模塊、模擬顯示模塊、學習查詢模塊以及智能輸出模塊這幾大功能模塊所構成。通過專家系統的應用，制冷系統的故障診斷過程能由系統代替人類專家，并利用其強大的數據庫資源與邏輯推理能力，以提升對系統故障預測、診斷的準確性與效率。

2.2.2人工神經網絡的應用。人工神經網絡（ANN），是指通過人的大腦對信息加工、處理及存儲的機制，所提出的一種智能化信息處理的非線性模型，也是由大量的神經元（處理單元）所進行互聯而得到的一種復雜的神經網絡系統。與專家系統相比，人工神經網絡具有更高的時間效率，以及更高的故障診斷質量。進入21世紀以來，人工神經網絡智能診斷系統迅速發展，并已成為國際上故障診斷領域的最新熱點，同時神經網絡用于制冷與空調系統故障診斷也產生了大量研究成果。例如：利用人工神經網絡的BP算法（見圖2），能真實反映出制冷系統運行時的期望值與測量值之間的差值，即殘差（residual）值，并通過評價殘差值以反映出制冷系統的安全性狀況，并可診斷與預報系統故障類型及故障點定位，從而實現較高的故障診斷精度與準確性；利用人工神經網絡與專家系統相結合的混合智能診斷系統，該系統不僅能有效解決專家系統的信息采集難題，而且通過專家系統的數據庫還能解決人工神經網絡的“黑箱”問題，兩者互為補充，因此在制冷系統故障診斷的實踐應用方面具有明顯的優越性。

2.2.3模糊診斷法的應用。制冷系統在運行過程中，其故障征兆與引發故障的原因之間，往往并不是一一對應的關系，尤其是對于大型制冷系統中，這種不確定性更加明顯。而模糊診斷法，是以模糊數學為基礎的一種故障識別方法，它能利用故障征兆與引起原因之間的這種不確定性來進行系統的故障診斷。由于制冷系統的復雜性以及故障征兆與原因間的不確定性，在許多故障診斷問題中，其故障機理非常適合采用模糊數學規則來進行描述，并能有效克服空調制冷系統因設備的復雜性所帶來的診斷困難問題，因此具備了較強的實用價值。一個典型的應用于空調制冷系統中的模糊診斷系統的結構，詳見圖3所示。如圖3所示，用于制冷系統的模糊診斷系統，主要由模糊化接口、模糊規則庫、模糊推理機、非模糊化接口等多個部分所構成。其中，模糊化接口通常采用A/D和D/A轉換器作為接口裝置，其作用采集制冷系統中精確的、連續變化的輸入量轉化為模糊量，以便實現模糊推理；模糊推理機即模糊控制器，它也是模糊診斷系統的核心，可通過利用知識庫中的規則對模糊量進行運算與分析，并得出模糊結論；而非模糊化接口，其主要作用是將模糊推理所得到的結構，轉換為非模糊值即清晰值，從而實現對制冷系統故障結論的清晰表達。目前，模糊診斷法已被成功運用到制冷系統的智能化故障診斷中。例如：將模糊數學理論與人工神經網絡相結合，可采用模糊方法處理神經網絡的輸出結果，并對推理過程進行解釋；將模糊數學理論與專家系統相結合，則可利用模糊數學中的模糊變換原理對制冷系統的安全性能進行評定，并在此基礎上構建專家系統等等。

2.2.4小波分析法的應用。小波分析法，是一種新型的線性時頻分析的方法。當前，以小波變換分析為基礎的信號處理方法，已廣泛應用于各類設備的故障診斷當中，并取得了一系列研究成果。由于制冷系統在發生故障時，會出現一些瞬變信號或脈沖信號，而這些參數的變化也往往隱藏著重要的故障信息。而小波分析法是一種窗口面積恒定、窗口形狀可變的時頻局部化分析方法，它不僅具有多分辨率和時頻局部性的特點，而且能夠有效處理非平穩信號，因此非常適用于分析制冷系統的瞬態信號或時變信號。目前，小波分析法在制冷系統故障診斷中的應用，主要是針對制冷系統的吸氣閥片損壞、排氣閥片損壞以及制冷壓縮機停轉等故障的智能化診斷，利用小波分析法的預處理功能，能提前查找到制冷系統中各元件的故障先兆，從而以及早地發現并預報故障。

2.2.5故障樹模型的應用。由于制冷系統中所發生的故障，通常具有層次特性，即故障原因和后果之間往往具有多層的關系。故障樹模型診斷技術，即是以系統最不希望發生的事件（頂事件）為分析目標，以可能導致頂事件發生的其他事件為中間事件或底事件，按樹枝狀逐級細化，從而依次找出制冷系統的全部故障因素。目前，故障樹模型在制冷系統中的實際應用，主要用于溴化鋰吸收式制冷機組的故障診斷中，它可準確分析與診斷“冷劑水損失”和“冷劑水污染”等問題。通過分析與計算，能將制冷系統中的故障事件進行重要度分級，從而找出制冷系統中最薄弱的因素，以此實現對系統中故障類型的準確識別、預測與診斷。同時，利用故障樹模型，還能實現對制冷系統的改進設計，以實現制冷系統整體上的節能優化與安全優化。

3結論

本文主要以專家系統、人工神經網絡、模糊診斷法、小波分析法、故障樹模型這幾種智能化故障診斷技術為例，就其在制冷系統中的應用進行了探索與研究。通過智能化診斷技術的應用，不僅能及時查找出制冷系統的故障原因及故障類型，以迅速排除故障，而且能自動預測故障的發生，減輕了故障問題所帶來的影響與后果，從而起到了降低系統的運行成本，提高系統運行安全性與可靠性的目的，具有極高的應用價值與應用效果。

參考文獻

[1]盧靜.智能化技術在電氣工程自動化中的應用價值[J].科技與創新,2015(16):154-154.

[2]閆林巍.壓縮制冷系統的故障分析和解決方法[J].中國高新技術企業,2014(20):79-80.

[3]侍孝虎.制冷系統隱性故障分析[J].常州信息職業技術學院學報,2014,13(3):43-45.

[4]丁曉雄.制冷系統監測儀的設計及關鍵技術研究[D].杭州：杭州電子科技大學,2014.

作者：孫罡 雷學云 單位：南京都樂制冷設備有限公司