亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        屋頂機空調(diào)遠程監(jiān)測軟硬件系統(tǒng)設計與故障診斷

        2021-04-01 00:08:26姜智堯黃巍薛揚帆杜志敏晉欣橋
        制冷技術 2021年6期
        關鍵詞:壓縮機遠程機組

        姜智堯,黃巍,薛揚帆,杜志敏,晉欣橋

        (上海交通大學制冷與低溫工程研究院,上海 200240)

        0 引言

        建筑行業(yè)主流方向面向智能建筑發(fā)展,在當今獲得全面應用。暖通空調(diào)作為智能建筑核心組件[1],高使用頻率導致大量能耗。居住建筑能源消耗結構主要由戶內(nèi)環(huán)境、居住行為和公用設施構成,根據(jù)相關研究,中國夏季普遍地區(qū)空調(diào)制冷能耗大,部分達到30%以上[2]。而高能耗的原因除了建筑結構設計不合理(如大量玻璃窗的使用)、機組日常運行偏離高效運行點外[3],還有常規(guī)控制器功能與模式單一,無法根據(jù)場景及時調(diào)整機組的調(diào)節(jié)與控制。對于企業(yè),暖通空調(diào)在長期運行中,積累大量歷史數(shù)據(jù),數(shù)據(jù)利用也成為各大空調(diào)企業(yè)亟待發(fā)展的項目。采用開放通訊協(xié)議,結合嵌入式軟硬件,對智能建筑發(fā)展有正面作用[4]。從設備側到用戶側的完整系統(tǒng)[5],能解決現(xiàn)行企業(yè)控制器局限性。

        本文基于智能軟硬件以及實際機組探索制冷劑故障的重要影響因素,包括下面幾個部分:1)在原始龐大數(shù)據(jù)樣本上應用預處理與特征工程方法[6],消除相關性較低的特征變量減少計算量,加快計算速度;2)用不同的回歸機器學習方法進行預測,篩選出最優(yōu)的預測方法建立最終預測模型[7];3)基于單片機,開發(fā)面向冷水機組實時數(shù)據(jù)采集系統(tǒng);4)結合云端數(shù)據(jù)庫及可視化界面,建立通用數(shù)據(jù)庫;5)設備應用于屋頂機空調(diào)進行診斷。

        1 研究對象

        1.1 屋頂單冷機系統(tǒng)

        本文實驗對象為Quantum單冷屋頂機,系統(tǒng)原理如圖1所示。該系列產(chǎn)品包括3個平臺,僅在壓縮機型號與機組噸位有所差異,研究選用40~55 t(雙系統(tǒng))的最大一臺機器進行測試,此型號機組采用電子膨脹閥,控制器可以計算壓縮機質(zhì)量流量,采用雙壓縮機雙回路設計,選用VZH170型壓縮機和CSHD142型壓縮機組成,采用R410A制冷劑,額定冷量為20.0 kW和34.7 kW。

        圖1 屋頂機空調(diào)系統(tǒng)原理

        傳感器測點:室內(nèi)送回風干濕球溫度、室外送回風干濕球溫度、吸排氣溫度、壓縮機頻率、電子膨脹閥開度和吸排氣壓力等共12個變量。

        1.2 遠程監(jiān)控系統(tǒng)

        現(xiàn)今工業(yè)級空調(diào)系統(tǒng)基本具備運行監(jiān)控,但普遍僅有數(shù)據(jù)可視化和簡易故障檢測(部分參數(shù)的閾值判斷),許多故障診斷是基于規(guī)則以及簡易數(shù)據(jù)驅(qū)動的神經(jīng)網(wǎng)絡算法,結合物聯(lián)網(wǎng),遠程監(jiān)控系統(tǒng)可串連用戶、廠家和設備三方,節(jié)約能源外,當有故障風險或出現(xiàn)故障,可生成報告文件,經(jīng)由用戶授權傳遞到廠家,維修人員可根據(jù)監(jiān)控系統(tǒng)反饋的運行狀況及早判斷故障可能原因。

        2 基于KPCA-MLP的故障診斷方法

        引入不同故障數(shù)據(jù)和正常運行數(shù)據(jù)建立故障診斷模型[8],會產(chǎn)生大量計算量[9],核主元分析法(Kernel Principal Component Analysis,KPCA),用核函數(shù)替代原數(shù)據(jù),提高非線性映像,對未訓練樣本缺乏感知性,故引入KPCA結合多層感知器(Multilayer Perceptron,MLP)神經(jīng)網(wǎng)絡感知器算法[10],其帶有非線性激活函數(shù),對線性不可分數(shù)據(jù)進行識別,解決分類問題,增強辨識率。

        2.1 核主元分析法(KPCA)

        多數(shù)情況下,變量間存在相關性,用神經(jīng)網(wǎng)絡算法處理,對分析帶來不便,盲目減少指標會損失很多信息,容易產(chǎn)生錯誤的結論,對參數(shù)進行降維是常用手段,減少分析參數(shù)時,保留原信息損失[11]。

        KPCA主要由主成分分析(Principal Component Analysis,PCA)衍伸而來,PCA的降維原理為考慮n個樣本觀測點[12],x1、y1兩個變量間存在較高相關性。如果分別計算兩變量在n個樣本方差,按特征選擇方法,任意舍去變量都將會丟失大量信息。將坐標軸旋轉角度為θ,使新坐標軸位于長邊,構成新坐標系x2、y2,此時x2方向包含絕大多數(shù)信息,此時刪去y2變量信息損失可降到非常低[13]。

        PCA定義為:

        式中,Wi為變換矩陣;λ為變換矩陣對應的特征值。

        但直接進行線性映像可能導致效果不夠理想,PCA只對原始數(shù)據(jù)進行了旋轉操作,這是由于其尋找的是數(shù)據(jù)“主要分布方向”,因此引入核方法進行升維生成非線性映射[14],以此KPCA可將原始數(shù)據(jù)投影至線性可分情況,非線性映射函數(shù)代入PCA后形成高維空間中PCA,用核矩陣K(為對稱矩陣)替代,構成高維空間的子空間,核矩陣使用高斯徑向基函數(shù),而KPCA降維后的向量具體如下:

        式中,xnew為高維空間的樣本;φ(x)為非線性映射函數(shù)(隱性);α為核矩陣K(x,xnew)的特征向量;K(x,xnew)為核矩陣(為對稱矩陣)。

        在進行KPCA處理前,選用預處理方法中標準化方法對原始數(shù)據(jù)中的每個特征列進行處理。并由皮爾遜相關系數(shù)計算,得到特征之間相關系數(shù)[15],皮爾遜相關系數(shù)定義為:

        可得知目標特征與其他特征的相關系數(shù),先選取與目標特征較高相關性的幾個參數(shù),并進行參數(shù)間的比較,參數(shù)間相關系數(shù)越接近于0,表示兩者線性相關性較弱,因此可皆保留,以維持數(shù)據(jù)的豐富性,參數(shù)間相關系數(shù)越接近于1,表示兩者高度線性相關,可考慮舍去其一,藉此降低計算量[16]。

        例1:南京金陵飯店,明慧敦厚、婉約熱忱、細意濃情的服務在國際酒店業(yè)倍受贊譽。尊貴賓客、高端商務、精英會議已然將金陵飯店視為首選。

        2.2 多層感知器(MLP)

        多層感知器是一種前向傳遞類神經(jīng)網(wǎng)絡,使用非線性近似將數(shù)據(jù)分類或進行回歸運算,實現(xiàn)非線性判別式訓練,在對經(jīng)由KPCA簡化的特征屬性進行訓練,加強監(jiān)督式規(guī)則提取,可提高識別率。

        MLP包含3層結構,每個神經(jīng)元在隱藏層根據(jù)前一層輸出的結果進行偏置,隨后將總和使用非線性活化函數(shù)做Sigmoid function轉換,然后輸出到輸出層,最后隱藏層輸出再進行轉換形成輸出值。

        式中,G(X)為softmax邏輯回歸模型;S(X)為隱藏層的輸出,sigmoid函數(shù);B1和B2為隱藏層/輸出層偏置;W1和W2為隱藏層權重(連接系數(shù))。

        其中標準softmax邏輯回歸模型為:

        其中sigmoid函數(shù):

        對于建立具體問題,參數(shù)確定使用了lbfgs:quasi-Newton方法優(yōu)化器[17],隨機初始化所有參數(shù)(輸入層權重和隱藏層偏置),進行迭代訓練,不斷計算梯度和更新參數(shù),隱藏層到輸出層是多類別標簽離散值預測,即softmax回歸,輸出層權重通過最小化由訓練誤差項和輸出層權重范數(shù)正則項構成損失函數(shù),依據(jù)廣義逆矩陣理論計算解析求出,直到滿足設定條件[18]。

        2.3 基于KPCA-MLP的預測模型建立

        圖2 基于KPCA-MLP的故障檢測方法流程

        3 云端數(shù)據(jù)庫及其遠程監(jiān)控系統(tǒng)

        暖通空調(diào)系統(tǒng)作為樓宇自控的子系統(tǒng),不同廠家有各自獨立的系統(tǒng),導致不同設備間難以通信,空調(diào)系統(tǒng)除了廠家自身系統(tǒng),還提供部分權限,藉由主流通信協(xié)議,例如BACnet、LonWorks和Modbus,建立通用遠程控制系統(tǒng),以兼容這些設備。

        3.1 現(xiàn)場數(shù)據(jù)采集設備與數(shù)據(jù)處理

        機組系統(tǒng)的控制器設置在設備側,選用輕量單片機,有獨立的操作系統(tǒng),其中設備具備數(shù)個模塊。數(shù)據(jù)讀取/存儲模塊,通過Modbus協(xié)議從設備讀取到數(shù)據(jù),利用JSON值格式傳遞方式,將數(shù)據(jù)轉為矩陣形式;故障診斷模塊,基于Python程序,從數(shù)據(jù)讀取??欤x取程序需要的特征,使用機器學習預測制冷劑泄漏量,以機組運行狀態(tài)作為輸出;多線程模塊能分離數(shù)據(jù)處理系統(tǒng)和交互系統(tǒng)的程序執(zhí)行,避免單邊系統(tǒng)長時間停滯,避免沖突。

        3.2 遠程服務器與用戶界面設計

        圖3所示為基于KPCA-MLP的遠程監(jiān)控系統(tǒng)。由圖中4個模塊共同建立遠程監(jiān)控系統(tǒng),左上角為機組現(xiàn)場側,由集成化的單片機硬件構成的數(shù)據(jù)采集設備經(jīng)由預先編入硬件的故障診斷算法,數(shù)據(jù)將在本地保存紀錄文件后,進由TCP/IP數(shù)據(jù)傳輸至云端服務器進行保存,藉助于云端服務器較佳算力,引入更多數(shù)據(jù)訓練集進行故障診斷,將用戶需要的數(shù)據(jù)進行可視化,建立基于用戶的客戶端,用戶在驗證后即可有權限獲取其可訪問的機組內(nèi)容和其運行數(shù)據(jù),網(wǎng)頁主要設計以冷水機組遠程監(jiān)測平臺,能直觀監(jiān)測機組運行狀況,經(jīng)過基于機器學習算法的“故障檢測程序”將結果通過用戶界面?zhèn)鬟f給用戶。

        圖3 基于KPCA-MLP的遠程監(jiān)控系統(tǒng)

        4 實驗與驗證

        本節(jié)將驗證本文所提出的方法,針對取得數(shù)據(jù)的實驗和為了測試硬件所進行的實驗進行介紹,以及本文所需而制作的智能診斷盒的軟硬件介紹,在不同工況的實驗下,獲得數(shù)據(jù)進行訓練與驗證。

        4.1 基于KPCA-MLP的診斷模型驗證

        所有模型的評估指標均采用均方根誤差得到每組KPCA降維數(shù)均方根誤差值(圖4),最終采用4維;3維時由于降維過度過多信息量丟失,導致后續(xù)欠擬合情況,5維和6維雖整體效果較好,但高維會加大計算量,因此在不發(fā)生數(shù)據(jù)欠擬合的情況下,選擇最低維數(shù)為原則,在隱含層神經(jīng)元數(shù)為17時最佳,均方根誤差為0.721%,雖神經(jīng)元數(shù)為35時得到更低誤差,但是計算量增加,對預測無法有顯著提高,最終選擇隱含層神經(jīng)元數(shù)為17。

        圖6 測試模型的均方根誤差值

        表1所示為5種工況下的系統(tǒng)數(shù)據(jù)。考慮不同壓縮機頻率下系統(tǒng)狀態(tài),表2所示為壓縮機在每種工況下的狀態(tài)和轉速設定值。對測試數(shù)據(jù)判定和選擇,去掉不合理數(shù)據(jù)。

        表1 5種工況下的系統(tǒng)數(shù)據(jù)

        表2 壓縮機轉速設定

        由部分實驗數(shù)據(jù)訓練而得的模型,再引入機組實際運行數(shù)據(jù),在經(jīng)過驗證的模型中進行測試,實際運行故障檢測的正確率結果如圖7所示。

        圖7 不同KPCA降維數(shù)下實際運行充注量檢測的正確率

        4.2 智能診斷盒軟硬件在實際機組運行測試

        本文實驗來自江蘇一處工廠的實際運行數(shù)據(jù),在與工廠機組完成通訊后,讀取機組的運行數(shù)據(jù)進行驗證,根據(jù)測試可進行秒級通訊,但對現(xiàn)場應用意義不大,診斷前先進行穩(wěn)態(tài)數(shù)據(jù)判別,當前若是暫無穩(wěn)態(tài)工況則跳過此輪診斷,以節(jié)省運算效能。

        在實驗平臺中建立的初始故障模型與正常運行工況模型,在模型初期有較大誤差,經(jīng)由設備運行數(shù)據(jù)引入,誤差最后下降到5%以內(nèi),體現(xiàn)模型優(yōu)勢和在線自學習效果。圖8所示為數(shù)據(jù)采集裝置。

        圖8 數(shù)據(jù)采集裝置

        為了避免受到機組運行環(huán)境影響,在現(xiàn)場能及時使用,設計了封裝用的外盒,集成線路組件、接口、顯示屏以及網(wǎng)絡模塊(圖8),可實時顯示采集數(shù)據(jù)并生成圖表形式提供現(xiàn)場工程師使用,于后板設計槽板,并預留一定空間作為擴展。

        5 結論

        本文研究了基于KPCA-MLP的算法應用于制冷劑泄漏診斷,并分析了基于附加軟硬件的智能診斷可行性,得出如下結論:

        1)使用KPCA-MLP的算法,并使用于實驗室進行的四種制冷劑故障等級、64種不同運行工況,約27 000組的制冷劑故障數(shù)據(jù)進行訓練,引入實際運行數(shù)據(jù)進行診斷,得到95.83%的正確率;

        2)建立具備數(shù)據(jù)實時傳輸以及在線自學習故障檢測的遠程管理系統(tǒng),能提前警告用戶設備可能出現(xiàn)故障風險,提前干預及檢測設備,硬件經(jīng)集成化設計,減少機組改裝成本,可適配大多數(shù)機組;

        3)由于運行設備的限制,無法引入其他真實故障,但對于正常的運行數(shù)據(jù)預測已具備一定能力,之后工作將引入更多故障類型的診斷、多設備聯(lián)合數(shù)據(jù)分析、信息保護以及人機交互。

        猜你喜歡
        壓縮機遠程機組
        讓人膽寒的“遠程殺手”:彈道導彈
        軍事文摘(2022年20期)2023-01-10 07:18:38
        遠程工作狂綜合征
        英語文摘(2021年11期)2021-12-31 03:25:18
        660MW亞臨界機組清潔疏水系統(tǒng)節(jié)能改造
        BOG壓縮機在小型LNG船舶上的應用
        淺析特大型往復壓縮機組的安裝
        壓縮機組智能控制與節(jié)能增效
        遠程詐騙
        學生天地(2018年19期)2018-09-07 07:06:30
        350MW機組DEH控制系統(tǒng)的優(yōu)化
        自動化博覽(2014年9期)2014-02-28 22:33:32
        4M20型壓縮機活塞改造
        壓縮機技術(2014年5期)2014-02-28 21:28:21
        TNG系列多功能提取濃縮回收機組
        機電信息(2014年35期)2014-02-27 15:54:33
        久热爱精品视频在线观看久爱 | 午夜精品久久久久久中宇| 久久精品亚洲中文无东京热| 美女裸体无遮挡免费视频国产| 玩弄极品少妇被弄到高潮| 久久国产精品免费专区| 亚洲色图片区| 免费人成视频在线| 国产又色又爽又刺激视频| av在线男人的免费天堂| 精品人妻av区乱码色片| 蜜臀性色av免费| 久久久久99精品国产片| 日韩av在线不卡一区二区三区| 一区二区在线观看精品在线观看| 美女扒开大腿让男人桶| 亚洲av日韩av高潮潮喷无码| 天堂最新在线官网av| 国产不卡在线播放一区二区三区| 国产在线精品一区二区三区| 九九久久精品无码专区| 热99re久久精品这里都是免费| 国产一区,二区,三区免费视频| 国产黄色一区二区三区av| 老鸭窝视频在线观看| 日日碰狠狠添天天爽| 久久久久久人妻精品一区百度网盘| 一区二区三区不卡免费av| 水蜜桃视频在线观看入口| 成人午夜福利视频| 把插八插露脸对白内射| 亚洲欧美日韩精品香蕉| 护士人妻hd中文字幕| 欧美成免费a级毛片| 熟妇人妻中文av无码| 国产经典免费视频在线观看| 国产一区二区长腿丝袜高跟鞋| 免费观看又色又爽又湿的视频| 久久免费网国产AⅤ| 亚洲视频在线视频在线视频 | 久久日日躁夜夜躁狠狠躁|