張定波

（延安大學(xué)附屬醫(yī)院，陜西 延安 716000）

隨著智能化技術(shù)的快速發(fā)展，中央空調(diào)在群體生活和社會(huì)生產(chǎn)中扮演了越來(lái)越重要的角色。由于建筑物本身具有復(fù)雜性和多樣性，因此導(dǎo)致中央空調(diào)系統(tǒng)的故障診斷與處理工作難度較大。

在傳統(tǒng)的設(shè)備管理模式中，當(dāng)設(shè)備出現(xiàn)明顯的故障時(shí)，終端將發(fā)出維修與故障信號(hào)，與此同時(shí)，技術(shù)人員需要根據(jù)設(shè)備故障實(shí)際情況，決定是否需要對(duì)設(shè)備進(jìn)行維修。在這種情況下，不但設(shè)備需要被停用，甚至在嚴(yán)重情況下還需要調(diào)配專家或異地廠家負(fù)責(zé)人進(jìn)行設(shè)備的排查與更換維修?？傊?，傳統(tǒng)的方法存在維護(hù)費(fèi)用高、勞動(dòng)強(qiáng)度大等不足。為解決傳統(tǒng)方法的不足，根據(jù)工作的具體需求，將模糊神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)，進(jìn)行中央空調(diào)智能故障診斷的研究，以此實(shí)現(xiàn)對(duì)故障的精準(zhǔn)、快速排查，提高中央空調(diào)運(yùn)行的可靠性。

1 基于模糊神經(jīng)網(wǎng)絡(luò)的中央空調(diào)智能故障診斷方法設(shè)計(jì)

1.1 建立基本模糊神經(jīng)元

對(duì)中央空調(diào)進(jìn)行智能故障診斷，將模糊神經(jīng)網(wǎng)絡(luò)引入到診斷過(guò)程中，確定模糊神經(jīng)網(wǎng)絡(luò)中的基本結(jié)構(gòu)單元——基本模糊神經(jīng)元[1]。圖1 為神經(jīng)元模型結(jié)構(gòu)。

圖1 神經(jīng)元模型結(jié)構(gòu)

把神經(jīng)元看成是一種簡(jiǎn)單的生物細(xì)胞，一般都是使用MP 型的，其主要特征有：一是MP 型神經(jīng)元是多個(gè)輸入和輸出的信息處理結(jié)構(gòu)[2]；二是可以用一定的功能來(lái)表達(dá)神經(jīng)元的內(nèi)在狀態(tài)；三是神經(jīng)元只受其內(nèi)在狀態(tài)的影響。其中，神經(jīng)元內(nèi)在狀態(tài)的功能的表達(dá)式為

式中：μi為神經(jīng)元的內(nèi)在狀態(tài)；xj為神經(jīng)元的輸入；wij為第j 個(gè)神經(jīng)元的連通性；θi為初始階段設(shè)定的神經(jīng)元閾值。

神經(jīng)元只受其內(nèi)在狀態(tài)的影響的關(guān)系函數(shù)為

式中：h 為常量，其計(jì)算公式為

為實(shí)現(xiàn)對(duì)神經(jīng)元的直觀測(cè)定或量化，對(duì)具備上述特點(diǎn)的神經(jīng)元進(jìn)行模糊化處理[3]。利用基本模糊神經(jīng)元接收離散、連續(xù)、確定或模糊的單位輸入，同時(shí)輸出被一個(gè)系統(tǒng)模糊變量基礎(chǔ)狀態(tài)從屬函數(shù)所決定的規(guī)范化數(shù)值[4]。采用單輸入和單輸出的形式，二者之間存在關(guān)系式為

式中：Xi為輸入；Yi為輸出。將上述經(jīng)過(guò)模糊化處理的神經(jīng)元作為后續(xù)中央空調(diào)智能故障診斷的基本單元。

1.2 構(gòu)建中央空調(diào)智能故障模糊診斷數(shù)學(xué)模型

基于中央空調(diào)的運(yùn)行特點(diǎn)，構(gòu)建其故障特征集合（即中央空調(diào)可能出現(xiàn)的所有故障特征集合）為

式中：G 為中央空調(diào)故障特征集合，集合中的元素g 為各種可能出現(xiàn)的故障現(xiàn)象[5]。再構(gòu)建故障原因集合（即中央空調(diào)所有可能出現(xiàn)的故障原因集合）為

式中：H 為中央空調(diào)故障原因集合，集合中的元素h 為各種可能出現(xiàn)的故障原因[6]。將故障特征向量與故障原因向量之間存在的模糊關(guān)系構(gòu)建的矩陣作為中央空調(diào)智能故障模糊診斷數(shù)學(xué)模型，可寫作

式中：R 為故障特征向量和故障原因向量之間的關(guān)系。式（7）中，rij的取值為rij∈[0，1]，i 的取值為i∈[1，m]，j 的取值為j∈[1，n]。利用上述構(gòu)建的矩陣可以實(shí)現(xiàn)對(duì)某一故障現(xiàn)象G 到故障原因H上的模糊關(guān)系。通過(guò)rij實(shí)現(xiàn)故障現(xiàn)象和故障原因的映射，相關(guān)程度的量化模糊值愈大，說(shuō)明其對(duì)失效現(xiàn)象的影響愈大；相反，相關(guān)程度的量化模糊值愈小，說(shuō)明其對(duì)失效現(xiàn)象的影響愈小[7]。同時(shí)，rij數(shù)值的可信度也是影響最后診斷結(jié)果是否可靠的重要因素，其初始值應(yīng)結(jié)合經(jīng)驗(yàn)和專家的統(tǒng)計(jì)分析等因素來(lái)確定。同時(shí)，利用學(xué)習(xí)機(jī)制對(duì)上述構(gòu)建的中央空調(diào)智能故障模糊診斷數(shù)學(xué)模型進(jìn)行訓(xùn)練。

1.3 模糊診斷智能推理

中央空調(diào)系統(tǒng)的故障特征向量和故障原因向量的關(guān)系，用模糊矩陣進(jìn)行分析，得到各種故障原因的從屬程度[8]。假設(shè)某一被診斷的中央空調(diào)可能表現(xiàn)出的故障特征有m 種，故障特征集為A={a1，a2，…，am}，可能出現(xiàn)的故障原因有n 種，故障原因集為B={b1，b2，…，bn}，則故障特征模糊向量為

式中：μa為診斷對(duì)象具有某一故障時(shí)的隸屬度。進(jìn)一步分析得出，故障特征模糊向量與模糊算子具有模糊關(guān)系為

2 故障診斷實(shí)例

2.1 基本情況

本次研究以某地區(qū)制藥生產(chǎn)單位為例，對(duì)此單位的中央空調(diào)系統(tǒng)基本參數(shù)進(jìn)行描述分析，見(jiàn)表1。

表1 中央空調(diào)系統(tǒng)基本參數(shù)

2.2 故障分析

在故障診斷中，將故障信號(hào)（即從中央空調(diào)作業(yè)現(xiàn)場(chǎng)獲取的異常信號(hào)）進(jìn)行偏差分析，根據(jù)故障分析結(jié)果，判斷中央空調(diào)當(dāng)前出現(xiàn)的故障類型。

并非所有故障信號(hào)在設(shè)備運(yùn)行中都可以呈現(xiàn)出對(duì)應(yīng)的運(yùn)行異常，比如中央空調(diào)某個(gè)指標(biāo)在運(yùn)行中高于預(yù)設(shè)閾值，此時(shí)中央空調(diào)運(yùn)行將出現(xiàn)明顯的故障行為，對(duì)應(yīng)的現(xiàn)象就會(huì)被視為存在故障或異?，F(xiàn)象；反之，中央空調(diào)某個(gè)指標(biāo)在運(yùn)行中低于預(yù)設(shè)閾值，此時(shí)中央空調(diào)無(wú)明顯的故障行為，即沒(méi)有顯著的癥狀，但并不代表此時(shí)中央空調(diào)無(wú)故障。為實(shí)現(xiàn)對(duì)多種不同類型故障的精準(zhǔn)識(shí)別，最好的方法是選擇合適的隸屬度函數(shù)，對(duì)故障現(xiàn)象與行為進(jìn)行模糊處理，并根據(jù)故障的隸屬程度，反映各類故障形式的傾向性。參照上述內(nèi)容，設(shè)定中央空調(diào)的多種故障形式與正常運(yùn)行范圍，見(jiàn)表2。

表2 中央空調(diào)的多種故障形式與正常運(yùn)行范圍

在此基礎(chǔ)上，根據(jù)中央空調(diào)在真實(shí)條件中的運(yùn)行情況，設(shè)計(jì)其運(yùn)行過(guò)程中的監(jiān)控方案，以此實(shí)現(xiàn)對(duì)中央空調(diào)的智能監(jiān)控，見(jiàn)圖2。

圖2 中央空調(diào)智能監(jiān)控方案

按照上述方式，采集中央空調(diào)作業(yè)數(shù)據(jù)，使用模糊神經(jīng)網(wǎng)絡(luò)，進(jìn)行采集到的作業(yè)數(shù)據(jù)的誤差訓(xùn)練，模糊神經(jīng)網(wǎng)絡(luò)對(duì)中央空調(diào)作業(yè)數(shù)據(jù)的誤差訓(xùn)練結(jié)果見(jiàn)圖3。

圖3 模糊神經(jīng)網(wǎng)絡(luò)對(duì)中央空調(diào)作業(yè)數(shù)據(jù)的誤差訓(xùn)練結(jié)果

從圖3 可以看出，訓(xùn)練次數(shù)達(dá)到600 次后，誤差為0。

按照上述方法，進(jìn)行中央空調(diào)運(yùn)行中故障的智能診斷。根據(jù)該中央空調(diào)存在的風(fēng)機(jī)調(diào)速器故障、加濕器故障、回水閥故障等故障，在此基礎(chǔ)上，從多種渠道采集中央空調(diào)運(yùn)行數(shù)據(jù)，進(jìn)行故障診斷。在故障診斷過(guò)程中，將運(yùn)行數(shù)據(jù)在模糊神經(jīng)網(wǎng)絡(luò)前端輸入，根據(jù)輸出值，進(jìn)行其故障診斷。當(dāng)輸出值在0～0.4 范圍內(nèi)時(shí)，證明中央空調(diào)的該部件無(wú)故障；當(dāng)輸出值在0.4～0.6 范圍內(nèi)時(shí)，證明中央空調(diào)的該部件存在故障，但故障并未對(duì)中央空調(diào)的運(yùn)行直接造成影響；當(dāng)輸出值＞0.6 時(shí)，說(shuō)明中央空調(diào)的該部件存在故障，且故障已經(jīng)對(duì)中央空調(diào)的運(yùn)行造成了影響。按照上述方式進(jìn)行中央空調(diào)故障智能診斷，其結(jié)果見(jiàn)表3。

表3 中央空調(diào)故障智能診斷結(jié)果

3 結(jié)論

根據(jù)上述內(nèi)容，得到如下結(jié)論。

1）參照表3 內(nèi)容可以看出，本文使用基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法，對(duì)GMV-NHDR36P/A變頻中央空調(diào)進(jìn)行故障診斷，根據(jù)故障智能診斷輸出值，識(shí)別到該中央空調(diào)存在風(fēng)機(jī)調(diào)速器故障、加濕器故障、回水閥故障，與已知的故障情況一致，由此表明本文設(shè)計(jì)的故障診斷方法可以實(shí)現(xiàn)對(duì)中央空調(diào)在運(yùn)行中故障的精準(zhǔn)診斷。

2）在上述結(jié)果的基礎(chǔ)上，進(jìn)行表3 內(nèi)容的進(jìn)一步分析，分析后發(fā)現(xiàn)，風(fēng)機(jī)調(diào)速器故障輸出值、回水閥故障輸出值＞0.6，加濕器故障值在0.4～0.6之間，說(shuō)明風(fēng)機(jī)調(diào)速器故障輸出值、回水閥故障已經(jīng)對(duì)中央空調(diào)運(yùn)行造成了一定的影響，屬于顯性故障；而加濕器故障并未對(duì)空調(diào)運(yùn)行造成影響，屬于隱性故障。綜合上述分析可以證明，本文設(shè)計(jì)的方法不僅可以實(shí)現(xiàn)對(duì)中央空調(diào)故障的排查，還能對(duì)中央空調(diào)運(yùn)行過(guò)程中存在安全隱患的部件進(jìn)行排查，以此種方式，為中央空調(diào)的安全、穩(wěn)定、可靠運(yùn)行提供進(jìn)一步的技術(shù)支持與保障。