[发明专利]一种基于重建预测残差的制冷机组多传感器故障诊断方法

说明书

本发明涉及一种基于重建预测残差的制冷机组多传感器故障诊断方法，包括以下步骤：将正常工作状态下多传感器时序信息作为训练样本集，将单一故障状态下的多传感器时序信息作为测试样本集，建立基于编码器‑解码器模型的制冷机组多传感器数据预测模型；通过提取正常工作状态下多传感器重建预测残差的均值及方差，建立多传感器偏差故障检测函数，并设定每类传感器发生故障时的阈值，以此进行制冷机组多传感器的偏差故障诊断。本发明设计合理，能够对制冷机组多传感器进行准确、快速地偏差故障诊断，解决了现有制冷机组多传感器正常工作状态下的测量数据居多、单一传感器故障状态下的测量数据居少的问题。

技术领域

本发明属于多传感器故障诊断技术领域，尤其是一种基于重建预测残差的制冷机组多传感器故障诊断方法。

背景技术

在当今能源紧缺问题日益严重的大背景下，建筑能耗已成为终端能源消耗的重要部分。由于暖通空调系统是建筑耗能的主要设备，制冷机组又是暖通空调系统的主要耗能部件,因此，制冷机组的故障诊断对于提高空调系统能效，提升室内空气质量，延长设备的使用寿命具有十分重要的意义。传感器故障诊断是制冷机组故障诊断的基础，实现制冷机组多传感器偏差故障的快速、准确诊断是一个很大的挑战。

伴随着智能故障诊断的发展，依托基于深度学习的数据预测模型被广泛用于工业传感器的故障诊断研究中。利用基于深度学习的数据预测模型实现多传感器输入时序的预测，进而多传感器预测输出时序与测量得到的输入时序作残差，通过对不同传感器设定阈值实现多传感器故障诊断。数据预测模型的训练样本集分别为多传感器在均正常工作状态下和单一传感器故障状态下的时序数据信息。然而，在目前的工业过程中，传感器正常工作状态下的测量数据居多，单一传感器故障状态下的测量数据居少的现状一直制约着智能故障诊断的发展。因此，如何准确、快速地诊断制冷机组多传感器偏差故障是目前迫切需要解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提出一种设计合理、快速准确的基于重建预测残差的制冷机组多传感器故障诊断方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于重建预测残差的制冷机组多传感器故障诊断方法，包括以下步骤：

步骤1、将正常工作状态下多传感器时序信息作为训练样本集，将单一故障状态下的多传感器时序信息作为测试样本集，建立基于编码器-解码器模型的制冷机组多传感器数据预测模型；

步骤2、通过提取正常工作状态下多传感器重建预测残差的均值及方差，建立多传感器偏差故障检测函数，并设定每类传感器发生故障时的阈值，以此进行制冷机组多传感器的偏差故障诊断。

所述步骤1采用门限递归单元神经网络建立编码器-解码器模型。

所述步骤1建立的制冷机组多传感器数据预测模型使用重建预测残差表示如下：

其中，表示第t个时间步长的重建预测残差，表示某传感器故障状态第一个T时间步长，第t个时间步的输入时序数据信息；表示某传感器故障状态第一个T时间步长，第t个时间步的预测输出时序数据信息，17表示待预测的传感器个数，R表示全体实数集合。

所述步骤2建立的多传感器重建预测残差的均值μ_N和方差v_N分别表示为：

其中，μ_N和v_N的具体向量表示为：

μ_N＝(μ₁,μ₂,…,μ_j,…,μ₁₆,μ₁₇)^Τ