文档介绍：上海交通大学
硕士学位论文
基于核Fisher判别分析法的空调系统传感器故障诊断研究
姓名:吴立洲
申请学位级别:硕士
专业:制冷与低温工程
指导教师:晋欣桥
20070201
基于核 Fisher 判别分析法的空调系统传感器故障诊断研究

摘要

随着中央空调系统在各种场合越来越广泛的应用,中央空调系统
得到了很大发展,中央空调系统中的控制系统也越来越复杂。不管是
商用办公楼还是工业加工场所,甚至是民用住宅都对空调系统提出了
更高的要求,要求空调系统的运行稳定、舒适和节能。在越来越复杂
和庞大的 HVAC 系统中,往往会产生各种各样的故障,要快速及时
地检测、鉴别出系统中出现的各种故障,已远非操作者力所能及,这
就使得故障检测与诊断(Fault Detection and Diagnosis,FDD)系统越
来越成为必要。
本文提出了一种基于统计学的用于空调系统传感器故障诊断的方
法:Fisher 判别分析法。通过选取各种故障的样本利用多元统计的方
法对其进行学习最终使得各个故障样本在一定的空间分离。在故障检
测时,选取检测点对其进行投影然后通过计算马氏距离看其最接近哪
一种故障类型,即判别该点为这一类型的故障。然而运用Fisher 判
别法的第一步是对故障样本进行学习训练,因此样本的精度直接影响
了故障诊断的效果,于是提出用主成分方法优化训练样本以改进F
isher 判别法从而达到提高故障诊断准确率的目的。主成分分析法通
过少数几个主成分,提取绝大部分数据之间的相关性,将原始数据空
I
间分为主成分子空间(ponent Subspace,PCS)和残差
子空间(Residual Subspace,RS),通过监测采样数据在残差子空间
的投影大小是否超过阀值来判断其是否为奇异点,如果是则剔除。仿
真实验的结果表明,该方法能够使故障诊断的准确率提高 3 至 6 个百
分点。
在故障线性可分的前提下,融合主成分和Fisher 判别法的故障诊
断方法对故障的诊断准确率很高,甚至可以达到100%。但是实际
系统很多都是十分庞大复杂的,各种类型的故障很多都是非线性可分
的,单纯的线性判别法很难满足实际系统的要求。于是作者提出在F
isher 判别法中引入核函数技术,从而实现用Fisher 判别进行非线性
故障诊断。
核 Fisher 判别分析法是在 Fisher 判别分析的基础上进一步改
进,是一种高性能多类分类算法,不仅具有高性能的线性分辨能力,
而且具有更好的非线性处理能力和更好的推广能力。在进行多类分类
时,首先通过一个非线性映射将训练样本映射到一个高维的核空间
中,建立一个 KFDA 子空间,在该高维空间中再进行线性 FDA 处理,
使得不同类别的样本之间的差异增大,同类样本间的差异减到最小,
然后再利用马氏距离法进行多类分类。最后,通过仿真验证了基于主
成分和核Fisher 判别分析法在空调系统各传感器故障诊断中的高效
性。

关键词:空调系统,传感器,故障诊断,Fisher,主成分,核函数
II
FAULT DIAGNOSIS FOR AIR CONDITIONING
SENSORS BASED ON KERNEL FISHER
DISCRIMINANT ANALYSIS

ABSTRACT

With extensive application, HVAC systems have been improved and
e plicated. In an plex and large HVAC
System, It’s beyond the ability of operators to detect and diagnose all
faults immediately. So the stability and reliability of sensors play a
significant role in air conditioning systems and the fault detection and
diagnosis technology is ing more and more important at present
and in the future.
Fisher discriminant analysis is presented to diagnose fault of
temperature and flow rate sensors in air condi