基于順序向前選擇算法的制冷系統(tǒng)故障診斷分析

胡永攀+李瑛+姚熠凱+王彩霞

摘要：以一臺(tái)制冷量為90冷t（約316 kW）、制冷劑為R134a的離心式制冷機(jī)組為實(shí)驗(yàn)對(duì)象，從理論上分析該制冷系統(tǒng)的7種典型故障，分析故障征兆與故障間的理論關(guān)系，運(yùn)用基于順序向前選擇（SFFS）算法的封裝模型進(jìn)行特征選擇，降低乃至消除特征間的相關(guān)度，去除信息冗余，獲得不同的能較好表征故障的特征子集.結(jié)果顯示：運(yùn)用SFFS算法時(shí)選擇了22個(gè)特征，診斷正確率為89.63%，與原特征集的診斷正確率90.36%基本相當(dāng)，極大地減少了原特征集的特征數(shù)，從64維降為22維；在保證故障檢測(cè)與診斷正確率的前提下，減少了診斷所需傳感器種類(lèi)和數(shù)量，節(jié)約了初始投入成本.

關(guān)鍵詞：制冷系統(tǒng)； 順序向前選擇算法； 故障診斷

中圖分類(lèi)號(hào)： TH 311 文獻(xiàn)標(biāo)志碼： A

Abstract：An refrigeration system with a 90 t centrifugal chiller using R134a as refrigerant and its seven typical faults were analyzed theoretically.The relationship between the symptoms and faults was attained.The encapsulation model based on sequential forward order feature selection（SFFS） algorithm was adopted for feature selection，which could find better feature subset for reducing or even removing the feature correlation and eliminating the redundancy.The results showed that 22 features were selected by SFFS algorithm and diagnosis accuracy of 89.63% was achieved，which was close to the diagnosis accuracy of 90.36% for original feature set.But it could significantly eliminate the features of original feature set from 64 to 22.Due to the guarantee of the accuracy of fault detection and diagnosis，the type and quantity of sensor could be reduced.The first investment cost could be saved.

Keywords：refrigeration system； sequential forward order feature selection algorithm； fault diagnosis

制冷系統(tǒng)一旦發(fā)生故障，會(huì)造成環(huán)境的舒適性或所要求的冷凍溫度得不到保證，嚴(yán)重的將導(dǎo)致系統(tǒng)設(shè)備損壞.其次，當(dāng)制冷系統(tǒng)運(yùn)行在故障狀態(tài)時(shí)，系統(tǒng)能耗往往增大，造成能源浪費(fèi).因此，對(duì)制冷系統(tǒng)的故障機(jī)理進(jìn)行研究，建立有效、準(zhǔn)確的故障診斷模式對(duì)實(shí)現(xiàn)制冷系統(tǒng)的實(shí)時(shí)在線監(jiān)控、故障先兆預(yù)測(cè)和優(yōu)化運(yùn)行十分重要[1].

近年來(lái)，制冷系統(tǒng)故障診斷的方法隨著人工智能、計(jì)算機(jī)、模式識(shí)別、數(shù)據(jù)通訊、信號(hào)分析處理等技術(shù)的發(fā)展而不斷完善和更新[2].常用的診斷方法有經(jīng)典專(zhuān)家系統(tǒng)[3]、模糊理論[4]、神經(jīng)網(wǎng)絡(luò)[5]等.直接運(yùn)用上述方法對(duì)制冷系統(tǒng)進(jìn)行故障檢測(cè)與診斷，需要測(cè)量的過(guò)程變量較多， 這意味著需要更多的傳感器，進(jìn)而使成本增加，而且變量維數(shù)過(guò)大，相互之間具有較強(qiáng)的相關(guān)性和冗余，影響識(shí)別的準(zhǔn)確性.高維數(shù)據(jù)也對(duì)數(shù)據(jù)的測(cè)量、存儲(chǔ)，以及訓(xùn)練和應(yīng)用時(shí)間提出了更高的要求，以至在一些情況下，根本不能滿(mǎn)足這類(lèi)要求.因而，選擇合適的特征描述模式或樣本不僅對(duì)模式識(shí)別的精度、樣本數(shù)和訓(xùn)練時(shí)間等諸多方面都有較大影響，而且對(duì)分類(lèi)器的構(gòu)造也起著十分重要的影響.正是由于上述原因，使得對(duì)特征選擇的研究變得非常有必要.

1 制冷系統(tǒng)故障診斷的特征選擇

制冷系統(tǒng)是一個(gè)變量多、耦合性強(qiáng)、非線性的熱力學(xué)系統(tǒng)，系統(tǒng)參數(shù)之間存在一定的相關(guān)性、模糊性和不確定性.同一種故障的原因可能會(huì)表現(xiàn)出多種不同的故障征兆，同一故障征兆也可能在多種不同的故障中表現(xiàn)，而且彼此之間存在著一定的因果關(guān)系.制冷系統(tǒng)一旦出現(xiàn)故障，需要監(jiān)測(cè)的參數(shù)多，獲得的數(shù)據(jù)集特點(diǎn)表現(xiàn)為多特征、高噪聲、非線性，這給故障診斷帶來(lái)了極大的挑戰(zhàn).

假設(shè)系統(tǒng)可能發(fā)生n種故障，并將正常運(yùn)行的狀態(tài)設(shè)為N0，n種故障所處的狀態(tài)分別設(shè)為N1、N2…Nn.狀態(tài)Ni對(duì)應(yīng)的可測(cè)特征向量Si=[Si1，Si2…Sim]，診斷的過(guò)程即為由可測(cè)特征向量Si求出Ni所處狀態(tài)的過(guò)程.

在實(shí)際應(yīng)用中，

如果可測(cè)特征向量維數(shù)高，樣本數(shù)量大，無(wú)論從計(jì)算復(fù)雜程度、系統(tǒng)監(jiān)測(cè)成本還是故障診斷效果來(lái)看，都是不適宜的.

特征選擇是從一組數(shù)量為D的特征中選擇出數(shù)量為m（D>m）的一組最優(yōu)特征.采用基于順序向前選擇算法對(duì)制冷系統(tǒng)進(jìn)行故障診斷的特征選擇，不僅能極大地減少數(shù)據(jù)集的維數(shù)，簡(jiǎn)化計(jì)算，降低設(shè)備投入初成本，還能有效地保證診斷效果.

2 模擬故障實(shí)驗(yàn)

2.1 模擬故障實(shí)驗(yàn)簡(jiǎn)介

本文數(shù)據(jù)源于ASHRAE的制冷系統(tǒng)故障模擬實(shí)驗(yàn).實(shí)驗(yàn)裝置為一臺(tái)制冷量為90冷t（約316 kW）、制冷劑為R134a的離心式制冷機(jī)組.其中，冷凝器和蒸發(fā)器均為殼管式換熱器，管程走水，下進(jìn)上出，冷凝器側(cè)制冷劑上進(jìn)下出，蒸發(fā)器側(cè)制冷劑下進(jìn)上出，分別模擬正常運(yùn)行模式及7種典型單發(fā)故障模式.為了便于分析，表1給出了離心式冷水機(jī)組正常運(yùn)行模式及典型故障模式.制冷機(jī)組故障模擬數(shù)據(jù)采集系統(tǒng)如圖1所示，采集時(shí)間間隔10 s.獲取的制冷工況下正常運(yùn)行及各故障模式模擬實(shí)驗(yàn)終態(tài)時(shí)的特征參數(shù)有64個(gè)，如表2所示，其中：16個(gè)參數(shù)由VisSim軟件實(shí)時(shí)計(jì)算得到；48個(gè)參數(shù)由傳感器直接測(cè)得，包括29個(gè)溫度、5個(gè)壓力、5個(gè)流量、7個(gè)閥位開(kāi)度、電流和壓縮機(jī)功率.為保證實(shí)驗(yàn)測(cè)量值的準(zhǔn)確性，同時(shí)采用電阻測(cè)量器、熱敏電阻對(duì)蒸發(fā)器側(cè)進(jìn)、出水溫度，冷凝器測(cè)進(jìn)、出水溫度四個(gè)關(guān)鍵值進(jìn)行測(cè)量.

2.2 制冷系統(tǒng)故障的理論分析

系統(tǒng)發(fā)生故障時(shí)，各參數(shù)偏離正常工況的程度與故障程度有關(guān)，一般故障越嚴(yán)重，參數(shù)偏離越嚴(yán)重.本文模擬了制冷系統(tǒng)正常運(yùn)行及7種典型故障模式.7種典型故障的特征描述如表3所示。7種故障中，某些故障對(duì)熱力狀態(tài)的影響有一定的相似性，如冷凝器結(jié)垢、冷凝器水量不足、制冷劑充注過(guò)量、不凝性氣體進(jìn)入系統(tǒng)等均可導(dǎo)致冷凝壓力和溫度、排氣壓力升高；蒸發(fā)器側(cè)水量不足和制冷劑充注不足均可導(dǎo)致蒸發(fā)壓力和溫度降低.所有故障均會(huì)導(dǎo)致不同程度的制冷量下降，壓縮機(jī)功率增加，系統(tǒng)性能系數(shù)降低，嚴(yán)重的甚至導(dǎo)致壓縮機(jī)燒毀等事故，所以故障必須早發(fā)現(xiàn)，早排除.

3 基于順序向前選擇算法的封裝模型

順序向前選擇（SFSS）算法是一種尋找近似最優(yōu)特征的漸進(jìn)搜索算法.該算法采用一種“自下而上”的搜索方法，初始化的目標(biāo)特征集為空集，每次計(jì)算時(shí)向特征集中增加一個(gè)特征，當(dāng)達(dá)到要求時(shí)，所得到的特征集合就作為特征選擇結(jié)果.圖2為順序向前選擇算法示意圖.設(shè)原始特征集為M，假設(shè)當(dāng)前特征子集Xi包含i個(gè)特征，然后對(duì)剩余的每一個(gè)未入選的特征分別計(jì)算其準(zhǔn)則函數(shù)J（Xi+1），選擇使J（Xi+1）全局最優(yōu)的特征加入特征子集Xi以生成新的特征子集Xi+1，然后重復(fù)上述步驟，直到找到滿(mǎn)足要求的特征數(shù)時(shí)算法結(jié)束.本文算法通過(guò)Matlab軟件實(shí)現(xiàn).

4 基于順序向前選擇算法的特征選擇結(jié)果分析

將基于順序向前選擇算法的封裝模型與線性判別分析（linear discriminant analysis，LDA）算法相結(jié)合，對(duì)在上述正常運(yùn)行及7種故障模式下獲得的64維36 000個(gè)樣本組成的特征集進(jìn)行特征選擇，以期選擇出能夠很好表征原始特征集的特征子集.LDA算法是一種常用的信號(hào)處理方法，對(duì)應(yīng)于Matlab軟件中的“Classify”函數(shù)，其并不直接以訓(xùn)練誤差作為目標(biāo)函數(shù)，因此難以找到最優(yōu)的分類(lèi)子空間.將LDA算法與順序向前選擇算法進(jìn)行封裝，通過(guò)順序向前選擇算法調(diào)節(jié)LDA算法中類(lèi)間矩陣特征值的大小，可達(dá)到搜索最佳特征子空間的效果.

圖3為特征數(shù)為1～64時(shí)，十折交叉驗(yàn)證的錯(cuò)誤率.十折交叉驗(yàn)證時(shí)將64維36 000個(gè)樣本組成的數(shù)據(jù)集分成10等份，輪流對(duì)其中1份做測(cè)試，9份做訓(xùn)練，10次測(cè)試結(jié)果的均值作為對(duì)算法精度的估計(jì)，以便得到可靠穩(wěn)定的模型.從圖3中可見(jiàn)，當(dāng)特征數(shù)從1依次增加到22后，錯(cuò)誤率達(dá)到最低；當(dāng)選擇特征數(shù)在23～42個(gè)之間時(shí)，錯(cuò)誤率基本保持不變；繼續(xù)增加特征數(shù)，錯(cuò)誤率略微下降；采用全部特征（64個(gè)）時(shí)的錯(cuò)誤率與22個(gè)特征時(shí)的基本相當(dāng)，即64維與22維的診斷性能相近.這意味著在進(jìn)行故障診斷時(shí)，可以極大地減少傳感器的數(shù)量.基于順序向前選擇算法選擇的特征如表4所示.

順序向前選擇算法是在剩余特征中選擇與已選特征子集構(gòu)成評(píng)價(jià)整體預(yù)測(cè)性能為最佳的新特征子集.從表4中可以看出：編號(hào)為48的特征符號(hào)PO_net最先被選中，說(shuō)明當(dāng)只選擇一個(gè)特征組成特征子集時(shí)，PO_net對(duì)表1所列制冷系統(tǒng)7種典型單發(fā)故障描述效果最佳；其次，在剩余特征中選擇加入的VE與PO_net所形成的兩個(gè)特征的特征子集對(duì)7種典型故障的描述效果最好；隨后依次加入的是FWC、冷凝器內(nèi)制冷劑飽和溫度與冷凝器側(cè)出水溫度之差TCA，其可以代表傳熱溫差；接著是TO_sump、PO_feed、VSS等.從特征選擇的結(jié)果可知，特征符號(hào)TRC和PRC分別位列第61和64，TRE和PRE分別位列第28和37，說(shuō)明蒸發(fā)器內(nèi)的參數(shù)相比冷凝器內(nèi)的參數(shù)優(yōu)先被選入.因此，就所研究的7種典型故障而言，蒸發(fā)器側(cè)參數(shù)比冷凝器側(cè)參數(shù)更具表征性.

取SFFS算法選擇的前22個(gè)特征組成的特征集為最優(yōu)特征集，由最優(yōu)特征集和未經(jīng)降維處理的原特征集分別得到故障診斷的總體診斷正確率和各類(lèi)故障的診斷正確率，結(jié)果如圖4所示.從圖中可知，雖然原特征集的總體診斷正確率比運(yùn)用SFFS算法的略高，但采用SFFS算法能夠極大地減少原特征集的特征數(shù)（64個(gè)降為22個(gè)）.一旦表征特征選定，其余非表征性特征則不需要監(jiān)控，從而大大減少了傳感器的使用數(shù)量，降低了初始投入成本.

由基于順序向前選擇算法的特征選擇結(jié)果可以看出，前6個(gè)被選中的特征分別是編號(hào)為48、56、24、27、45、47的PO_net、VE、FWC、TCA、TO_sump和PO_feed.分別將隨機(jī)樣本點(diǎn)以二維形式顯示于圖5中，橫坐標(biāo)均為正常及各類(lèi)故障的類(lèi)別標(biāo)識(shí)，縱坐標(biāo)為各個(gè)特征的值.從圖5（b）中可以看出，在出現(xiàn)蒸發(fā)器水量不足故障時(shí)，特征VE完全獨(dú)立于其他故障時(shí)的樣本值，即VE可以明確指示蒸發(fā)器水量不足故障；從圖5（c）可以看出，在出現(xiàn)冷凝器水量不足故障時(shí)，F(xiàn)WC完全獨(dú)立于其他故障時(shí)的樣本值，即FWC可以明確指示冷凝器水量不足故障；由圖5（d）可以發(fā)現(xiàn)，在特征TCA為13～17 ℃時(shí)，該特征可以明確指示系統(tǒng)中含有不凝性氣體，說(shuō)明該特征對(duì)指示不凝性氣體故障有重要意義.采用同樣的分析方式可以發(fā)現(xiàn)，PO_net、PO_feed對(duì)指示冷凝器結(jié)垢、TO_sump對(duì)指示潤(rùn)滑油過(guò)量均有重要意義.

5 結(jié) 論

特征選擇的結(jié)果表明，采用基于順序向前選擇算法的封裝模型，從64個(gè)原始特征中篩選出22個(gè)最佳表征特征.進(jìn)一步分析所選擇的22個(gè)最佳表征特征發(fā)現(xiàn)，就所研究的7種典型故障而言，蒸發(fā)器側(cè)參數(shù)比冷凝器側(cè)參數(shù)更具表征性；FWC可以明確指示冷凝器水量不足故障；VE可以明確指示蒸發(fā)器水量不足故障；TCA對(duì)指示不凝性氣體故障有重要意義；PO_net、PO_feed對(duì)指示冷凝器結(jié)垢有重要意義；TO_sump對(duì)指示潤(rùn)滑油過(guò)量有重要意義.表征特征一經(jīng)選定，其余非表征性特征則不需要監(jiān)控，從而大大減少了傳感器種類(lèi)和數(shù)量，降低了初始投入成本.

參考文獻(xiàn)：

[1] 韓華，谷波，任能.基于主元分析與支持向量機(jī)的制冷系統(tǒng)故障診斷方法[J].上海交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，45（9）：1355-1361.

[2] 鮑士雄，陳麗萍.制冷系統(tǒng)故障診斷若干方法研究[J].制冷學(xué)報(bào)，1997（4）：28-32.

[3] 馬鳴遠(yuǎn).人工智能與專(zhuān)家系統(tǒng)導(dǎo)論[M].北京：清華大學(xué)出版社，2007.

[4] 周平，錢(qián)積新.模糊推理方法在控制系統(tǒng)故障診斷中的應(yīng)用研究[J].化工自動(dòng)化及儀表，2005，32（1）：23-25.

[5] 劉相艷，谷波，黎遠(yuǎn)光.基于并行感知器的制冷系統(tǒng)故障診斷分析[J].上海交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，39（8）：1233-1239.