基于特征Petri网建模的冷水机组故障诊断系统

摘要/Abstract

摘要：

摘要：冷水机组是建筑物中空调系统重要的制冷设备，它的运行状态直接关系到建筑物暖通空调系统运行的性能和稳定性，其故障诊断问题一直受到广泛关注.将特征建模方法引入到冷水机组的故障诊断技术中，并采用模糊Petri网技术实现建模.利用Petri网进行知识表示及推理的矩阵运算算法,描述冷水机组故障征兆与特征参数的关系.运用所提出的诊断系统，不但可以充分利用各特征参数的信息资源进行故障判断，而且可根据冷水机组能效指标COP对故障诊断结果进行综合诊断，有利于冷水机组高效运行.实验结果验证了该故障诊断系统的可行性和准确性.

关键词: 故障诊断, 特征建模, Petri网, 冷水机组

Abstract:

Abstract： The chillers are important in air-conditioning systems, whose operational status is directly related to the HVAC system performance and stability buildings. The fault diagnose of chillers has received wide attention.This paper discussed characteristic modeling technology in fault diagnosis for chillers with fuzzy Petri net modling technique.Using fuzzy Petri net to represente knowledge and inference algorithm for matrix operations, the characteristic parameters of chiller fault indication and relationships was discribed. Using the proposed diagnostic systems, the information resources of characteristic parameters can be used for fault diagnosis and the chiller efficiency indexes of COP can be used for comprehensive diagnosis of fault diagnosis. The test results of plant running show the feasibility and accuracy of the fault diagnostic system.

Key words: fault diagnosis, characteristic modeling, Petri net, chillers

中图分类号:

TM 855.411

徐兵1,2，朱亚橙2，苏俊2，范秋敏2. 基于特征Petri网建模的冷水机组故障诊断系统[J]. 上海交通大学学报（自然版）, 2015, 49(06): 923-928.

XU Bing1,2,ZHU Yacheng2,SU Jun2，FAN Qiumin2. Fault Diagnostic System for Chillers Based on Characteristic Petri Net Modeling[J]. Journal of Shanghai Jiaotong University, 2015, 49(06): 923-928.

参考文献

［1］吴宏鑫,胡军,解永春.基于特征模型的智能自适应控制［M］.北京:中国科学技术出版社，2008:15.

［2］韩玲.基于人工神经网络模型的螺杆式冷水机组故障诊断研究［D］.重庆：重庆大学能源工程学院,2008.

［3］张霞.基于小波包分析的单螺杆冷水机组故障诊断技术的研究［D］.重庆：重庆大学能源工程学院,2011.

［4］郑超瑜,肖赋,陈武.冷水机组故障诊断新模型［J］.建筑科学,2012,3(5):4954.

ZHENG Chaoyu, XIAO Fu, CHEN Wu. New reference models for fault detection and diagnose in water chillers ［J］.Building Science, 2012, 28(12): 4954.

［5］郑洁,杨朝杰,周玉礼,等.螺杆式冷水机组的故障模拟及诊断软件的研究［J］.建筑热能通风空调,2005,24(6): 34.

ZHENG Jie, YANG Chaojie, ZHOU Yuli, et al. Research on fault simulation and diagnosis software of screw chiller ［J］. Building Energy & Environment, 2005, 24(6):34.

［6］冯国强.冷水机组COP现场测量的不确定度评定与分析［J］.广东建材,2012，28(8): 2830.

FENG Guoqiang. Chiller COP field evaluation of uncertainty of measurement and analysis ［J］. Guangdong Building Materials, 2012, 28(8): 2830.

［7］杨宝君.基于Petri网的地铁冷水机组控制建模［J］.机械与电子,2008, 12(12): 46.

YANG Baojun. Modeling of water chiller in metro system based on Petri net ［J］. Mechanical & Electronic, 2008, 12(12): 46.

［8］GB 500952003,采暖通风与空气调节设计规范［S］.

［9］李明华.基于多Agent及Petri网的变压器故障诊断系统［J］.西安交通大学学报,2006, 40(2): 224227.

LI Minghua. The power transformer fault diagnosis system based on MuiltAgent and Petri net ［J］. Journal of Xi’an Jiaotong University, 2006, 40(2): 224227.

［10］Chen Yufeng, Li Zhiwu, Barkaoui K, et al. New Petri net structure and its application to optimal supervisory control: Interval inhibitor arcs ［J］. IEEE Transactions on Systems Man and Cybernetics Systems, 2014, 44(10): 13841400.

［11］Wang Y N, Ye J F, Xu G J, et al. Novel hierarchical fault diagnosis approach for smart power grid with information fusion of multidata resources based on fuzzy Petri net［EB/OL］. (20141009). http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=6891791.

［12］Van Tung Tran. Machine performance degradation assessment and remaining useful life prediction using proportional hazard model and support vector machine ［J］. Mechanical Systems and Signal Processing, 2012, 33(5): 147154.

［13］ZHANG Baiyi. Auto fault diagnosis method based on fuzzy Petri net［J］. Journal of Chang’an University: English Edition, 2008, 22(2): 9396.

［14］Meli Stylianou, Darius Nikanpour. Performance.monitoring fault detection and diagnosis of reciprocating chillers ［J］. ASHRAE Transactions,1996, 3(01): 615627.

［15］刘静.基于模糊Petri网的高炉故障诊断系统［J］.计算机测量与控制,2013,21(5):157164.

LIU Jing. Blast furnace fault diagnosis system based on fuzzy neural Petri net ［J］. Computer Measurement & Control, 2013, 21(5): 157164.

［16］王南兰.基于模糊Petri网的发动机磨损故障诊断［J］.煤矿机械,2007,28(12):187191.

WANG Nanlan. Engine wear fault diagnosis based on fuzzy Petri net ［J］. Coal Mine Machinery, 2007, 28(12):187191.

编辑推荐 0

Metrics

阅读次数

全文

133

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	133

	来源	其他网站

	次数	133
	比例	100%

摘要

最新录用	在线预览	正式出版

0	0	88

	来源	其他网站

	次数	88
	比例	100%

[1]	许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报, 2022, 56(3): 267-278.
[2]	刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190.
[3]	马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377.
[4]	胡晓强，仲训昱，张霄力，彭侠夫，何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156.
[5]	逯程1，徐廷学1，王虹2. 基于属性粒化聚类与回声状态网络的末制导雷达故障诊断[J]. 上海交通大学学报（自然版）, 2018, 52(9): 1112-1119.
[6]	贾雷，董炜，孙新亚，吉吟东，陈华. 基于节点电压增量方程的含容差轨道电路软故障诊断[J]. 上海交通大学学报（自然版）, 2017, 51(6): 679-685.
[7]	邱路1，叶银忠2. 基于多Agent系统的动态网络系统拓扑结构故障诊断方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 902-906.
[8]	王秀青1，侯增广2，曾慧3，吕锋1，潘世英1. 基于多传感器信息融合的机器人故障诊断[J]. 上海交通大学学报（自然版）, 2015, 49(06): 793-798.
[9]	杨旭1，彭开香1，罗浩2，KRUEGER Minjia2,宗大桥1，DING Steven X2. 基于EEMD和SVM的冷轧机垂直振动相关故障的诊断[J]. 上海交通大学学报（自然版）, 2015, 49(06): 751-756.
[10]	李元1，吴杰1，王国柱2. k近邻补值方法在工业过程故障诊断中的应用[J]. 上海交通大学学报（自然版）, 2015, 49(06): 830-836.
[11]	李雄杰1,2，周东华2. 混杂系统故障诊断的粒子滤波器方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 849-854.
[12]	侯彦东，闫治宇，金勇. 小样本下基于特征子空间估计的故障诊断算法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 825-829.
[13]	李艳峰，王新晴，张梅军，朱会杰. 基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法[J]. 上海交通大学学报（自然版）, 2015, 49(05): 681-686.
[14]	李诚，李爽，冯毅萍，荣冈. 基于时间Petri网和启发式搜索的柔性制造系统调度算法[J]. 上海交通大学学报（自然版）, 2015, 49(05): 708-713.
[15]	聂冰a，赵慧敏a，丁鸣艳b，李文a. 组态式牵引电动机故障诊断模型[J]. 上海交通大学学报（自然版）, 2015, 49(03): 402-405.