基于貝葉斯網(wǎng)絡(luò)的智能空調(diào)故障診斷系統(tǒng)

鄒瑞潔

（陜西 西安 710000）

隨著人們生活水平的不斷提升，空調(diào)的應(yīng)用也越來(lái)越普遍，但隨之而來(lái)的是各種各樣的空調(diào)故障問(wèn)題，如果人為地去將空調(diào)拆開(kāi)，一個(gè)一個(gè)部分地去檢查問(wèn)題，這樣不僅會(huì)浪費(fèi)大量的時(shí)間，而且會(huì)有零件損傷的危險(xiǎn)。貝葉斯網(wǎng)絡(luò)在各類行業(yè)里都得到了廣泛的應(yīng)用，例如貝葉斯網(wǎng)絡(luò)在航空發(fā)動(dòng)機(jī)燃泵故障的診斷中就顯示出了一定的優(yōu)勢(shì)。周巧蓮將貝葉斯網(wǎng)絡(luò)應(yīng)用在驅(qū)動(dòng)電機(jī)的故障診斷中，很好地為地鐵車門故障維修提供支持和參考。梁瀟、王海峰等人將基于貝葉斯網(wǎng)絡(luò)的智能診斷方法應(yīng)用在列控車載設(shè)備上，有效的提升了列控車載設(shè)備故障診斷的效率，使診斷結(jié)果更為準(zhǔn)確和全面。因此基于貝葉斯網(wǎng)絡(luò)的故障診斷方法用于解決復(fù)雜系統(tǒng)的故障診斷有很大的優(yōu)勢(shì)。本文就利用貝葉斯網(wǎng)絡(luò)來(lái)解決有關(guān)空調(diào)故障的不確定性事件，為空調(diào)故障診斷提供了一種省時(shí)省力的智能診斷系統(tǒng)，提升了空調(diào)系統(tǒng)故障診斷的效率和精度。

1 貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)又稱信念網(wǎng)絡(luò)，是一種概率網(wǎng)絡(luò)，也是一種基于貝葉斯方法的圖形化網(wǎng)絡(luò)，其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是一個(gè)有向無(wú)環(huán)圖。在貝葉斯網(wǎng)絡(luò)的有向無(wú)環(huán)圖中，每個(gè)節(jié)點(diǎn)表示一個(gè)變量，有因果關(guān)系或非條件獨(dú)立的變量之間用帶箭頭的弧線連在一起。箭頭的來(lái)源節(jié)點(diǎn)是“因”，箭頭指向的節(jié)點(diǎn)是“果”，用條件概率表示這兩個(gè)節(jié)點(diǎn)之間的相互影響程度。由于其圖形化的結(jié)構(gòu)，貝葉斯網(wǎng)絡(luò)在處理不確定性問(wèn)題方面具有獨(dú)特的優(yōu)勢(shì)，同時(shí)，該結(jié)構(gòu)還可以有效地進(jìn)行多源信息表達(dá)與融合，能夠幫助我們?cè)谏钪袦p少不必要的損失，是處理不確定性信息的重要工具。我們可以將其運(yùn)用到各種各樣的事件中，小到家庭用具的故障檢測(cè)，大到國(guó)家武器的檢測(cè)，是可以減少耗時(shí)和人力的絕佳方法。

貝葉斯網(wǎng)絡(luò)的構(gòu)造主要分為以下兩步：

（1）咨詢領(lǐng)域?qū)＜?，選好隨機(jī)變量，并確定其相互之間的拓?fù)潢P(guān)系，形成有向無(wú)環(huán)圖。

（2）通過(guò)已有的數(shù)據(jù)，進(jìn)行貝葉斯網(wǎng)絡(luò)的訓(xùn)練，獲得有向無(wú)環(huán)圖中各節(jié)點(diǎn)的先驗(yàn)概率值，以及節(jié)點(diǎn)與節(jié)點(diǎn)之間的條件概率值。

2 基于貝葉斯網(wǎng)絡(luò)的故障診斷方法

基于貝葉斯網(wǎng)絡(luò)模型解決實(shí)際問(wèn)題的過(guò)程稱為基于貝葉斯網(wǎng)絡(luò)的推理，在基于貝葉斯網(wǎng)絡(luò)的推理中，主要有因果推理和診斷推理，其中診斷推理是一種自下而上的推理，目的是在已知某結(jié)果時(shí)，找出最有可能產(chǎn)生該結(jié)果的原因。

在貝葉斯網(wǎng)絡(luò)中，沒(méi)有任何導(dǎo)入箭頭的節(jié)點(diǎn)叫做根節(jié)點(diǎn)，箭頭指向的節(jié)點(diǎn)叫做子節(jié)點(diǎn)，箭頭來(lái)源的節(jié)點(diǎn)叫做父節(jié)點(diǎn)。基于貝葉斯網(wǎng)絡(luò)的故障診斷推理是通過(guò)貝葉斯網(wǎng)絡(luò)的逆向推理功能，即已知某節(jié)點(diǎn)結(jié)果，來(lái)推斷各級(jí)父節(jié)點(diǎn)的后驗(yàn)概率，直到獲得各根節(jié)點(diǎn)的后驗(yàn)概率，然后通過(guò)比較其概率大小來(lái)判斷故障最有可能發(fā)生的原因。

在貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，對(duì)于根節(jié)點(diǎn)要確定先驗(yàn)概率；對(duì)于每個(gè)子節(jié)點(diǎn)要確定其在父節(jié)點(diǎn)不同狀態(tài)下的條件概率值。變量集U = ( x1, x2,...,xn)中的每個(gè)元素對(duì)應(yīng)貝葉斯網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)，則聯(lián)合概率密度P( x1, x2,...,xn)為：

式中，πi為Xi父節(jié)點(diǎn)的集合。

Xi的邊緣概率為：

基于貝葉斯網(wǎng)絡(luò)的故障診斷方法主要是根據(jù)實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)推導(dǎo)，假設(shè)已取得觀測(cè)結(jié)果e，則有：

通過(guò)此公式可以計(jì)算各父節(jié)點(diǎn)的后驗(yàn)概率，再通過(guò)比較各父節(jié)點(diǎn)后驗(yàn)概率的大小，即可找到故障發(fā)生最有可能的原因。

3 智能空調(diào)故障診斷系統(tǒng)

隨著技術(shù)的不斷發(fā)展，空調(diào)器所集成的功能越來(lái)越多，系統(tǒng)也越來(lái)越復(fù)雜。由于空調(diào)器各系統(tǒng)之間是彼此聯(lián)系、相互影響的，故障現(xiàn)象和故障原因之間并不是一一對(duì)應(yīng)的關(guān)系。傳統(tǒng)的故障診斷過(guò)多的依賴維修師傅的經(jīng)驗(yàn)，但即使經(jīng)驗(yàn)豐富的人員有時(shí)也難免漏掉可能的故障點(diǎn)。

智能空調(diào)故障診斷系統(tǒng)，首先基于空調(diào)器維修領(lǐng)域?qū)＜业慕?jīng)驗(yàn)建立空調(diào)故障的貝葉斯網(wǎng)絡(luò)，然后維修人員通過(guò)獲得的空調(diào)故障表現(xiàn)，進(jìn)行診斷推理，得出可能導(dǎo)致該故障現(xiàn)象各個(gè)因素的后驗(yàn)概率，從概率最大的因素開(kāi)始進(jìn)行排查。這樣不僅能降低空調(diào)器維修對(duì)維修人員經(jīng)驗(yàn)的要求，還可以使得維修排查的順序最優(yōu)，節(jié)約排查時(shí)間，提高診斷精度。

由于空調(diào)系統(tǒng)過(guò)于復(fù)雜，本文通過(guò)一個(gè)簡(jiǎn)化的例子來(lái)進(jìn)行智能空調(diào)故障診斷系統(tǒng)的驗(yàn)證。

空調(diào)器制冷的速度與空調(diào)濾網(wǎng)的積塵和出風(fēng)口風(fēng)量的大小有關(guān)，而濾網(wǎng)的積塵對(duì)出風(fēng)口的風(fēng)量也有影響，但風(fēng)量不僅受濾網(wǎng)積塵的影響，還受風(fēng)機(jī)葉輪是否打滑影響。據(jù)此，建立了貝葉斯網(wǎng)絡(luò)，并通過(guò)大量的維修數(shù)據(jù)，得到各節(jié)點(diǎn)的先驗(yàn)概率。然后通過(guò)咨詢富有經(jīng)驗(yàn)的維修師傅，再通過(guò)查閱資料獲得大量的維修數(shù)據(jù)，得到各節(jié)點(diǎn)的先驗(yàn)概率和各節(jié)點(diǎn)間的條件概率分布，這樣就可以完成空調(diào)系統(tǒng)故障診斷的貝葉斯網(wǎng)絡(luò)模型的建模?？照{(diào)系統(tǒng)貝葉斯網(wǎng)絡(luò)簡(jiǎn)圖如圖1所示。

圖1 空調(diào)系統(tǒng)貝葉斯網(wǎng)絡(luò)簡(jiǎn)圖

當(dāng)發(fā)現(xiàn)空調(diào)器制冷速度慢時(shí)，診斷的過(guò)程為：

（1）在貝葉斯網(wǎng)絡(luò)圖中找到空調(diào)器制冷速度的節(jié)點(diǎn)D；

（2）修改空調(diào)器制冷速度節(jié)點(diǎn)D的狀態(tài)概率分布，即 P（D=F）=1；

（3）根據(jù)貝葉斯網(wǎng)絡(luò)圖，通過(guò)貝葉斯推理算法，得到圖中各節(jié)點(diǎn)對(duì)應(yīng)隨機(jī)變量的后驗(yàn)概率；

（4）比較各節(jié)點(diǎn)對(duì)應(yīng)隨機(jī)變量的后驗(yàn)概率，對(duì)后驗(yàn)概率最大的節(jié)點(diǎn)所對(duì)應(yīng)的變量進(jìn)行檢查。

根據(jù)圖1中所建立的空調(diào)系統(tǒng)貝葉斯網(wǎng)絡(luò)模型，可求得空調(diào)器制冷速度慢是由于濾網(wǎng)積塵過(guò)多導(dǎo)致的概率

同理可得，空調(diào)器制冷速度慢是由于風(fēng)機(jī)葉輪打滑導(dǎo)致的概率P( B = F | D = F)為 29．41%。

由此可以看出空調(diào)器制冷速度慢是由于濾網(wǎng)積塵過(guò)多導(dǎo)致的概率較大，需要先對(duì)空調(diào)濾網(wǎng)的積塵進(jìn)行檢查。

4 結(jié)語(yǔ)

隨著現(xiàn)代生活水平的不斷提高，空調(diào)器已被廣泛使用，但由于空調(diào)器系統(tǒng)較為復(fù)雜，故障現(xiàn)象與產(chǎn)生故障的原因并不是一一對(duì)應(yīng)的。因此，為降低空調(diào)系統(tǒng)故障排查與維護(hù)對(duì)于維修人員經(jīng)驗(yàn)的依賴程度，提高空調(diào)系統(tǒng)故障排查的效率和診斷的準(zhǔn)確度，本文基于貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，采用貝葉斯公式進(jìn)行推斷，為空調(diào)故障提供了一種省時(shí)省力的智能診斷系統(tǒng)。通過(guò)實(shí)例驗(yàn)證，該方法有效地提升了空調(diào)系統(tǒng)故障診斷的效率和精度。