基于復(fù)回歸驗證模式對離心式冷水機(jī)故障檢測與診斷技術(shù)

曾國安,莊友明

(1.廈門海洋職業(yè)技術(shù)學(xué)院 機(jī)電學(xué)院,福建 廈門 361000;2.集美大學(xué) 機(jī)械與能源工程學(xué)院,福建 惠安 361000)

0 引 言

離心式冷水機(jī)組典型故障分為8類：冷卻水減少、冷凍水減少、制冷劑充注過量、制冷劑泄漏、冷凝器結(jié)垢、潤滑油過多、先導(dǎo)閥故障和不凝性氣體.由此引起的冷水機(jī)復(fù)性能降低和能源消耗，造成無法估計的損失，胡云鵬[1]考慮到冷水機(jī)組的復(fù)雜性，運用主元分析法(PCA)檢測故障，假設(shè)PCA變量具線性關(guān)系，制冷系統(tǒng)為高耦合、多工況與多變量系統(tǒng)，其數(shù)據(jù)具非高斯、非線性特點，導(dǎo)致PCA的檢測效果不理想，且不滿足復(fù)雜性.趙云峰[2]將回歸模型用于離心制冷主機(jī)的故障診斷，對機(jī)組6個參數(shù)進(jìn)行檢測并對機(jī)組的運行狀況進(jìn)行分析，獲得6個參數(shù)基準(zhǔn)值和計算值間的閾值和殘差，若參數(shù)超出相應(yīng)閾值，則機(jī)組被判斷出故障.韓華[3]在平臺實驗上模擬典型的幾種故障和一種并發(fā)故障機(jī)組共1萬多個樣本和60多個參數(shù)，應(yīng)用互信息(MI-based)和遺傳算法(GA-based)模型選擇出特征故障，然后用PCA提取特征故障，最終選出8個參數(shù)作為故障特征參數(shù).用支持向量機(jī)(SVM)和智能特征提取兩者結(jié)合來診斷單發(fā)故障，并以順序集成的SVM與數(shù)學(xué)解耦標(biāo)識技術(shù)診斷多發(fā)故障，對模型試驗以減少20%的故障冷卻水和冷凍水水量所發(fā)生的故障，作為人工智能的研究熱點在多個領(lǐng)域受歡迎.不足的是，如易知識組合爆炸即知識獲取出現(xiàn)“瓶頸”問題，知識庫較大時容易使維護(hù)困難和推理系統(tǒng)速度慢等.而復(fù)回歸驗證模式完成知識庫的組建、網(wǎng)絡(luò)推理的過程實際上是網(wǎng)絡(luò)的數(shù)學(xué)計算過程，因此，復(fù)回歸驗證模式比其他診斷系統(tǒng)更智能.本研究選用冷水機(jī)驗證模式中最具代表性的復(fù)回歸驗證模式，探究如何將復(fù)回歸驗證模式用于離心式冷水機(jī)組的故障診斷，利用冷水機(jī)運轉(zhuǎn)復(fù)性能驗證出冷水機(jī)組故障檢測率高且適用復(fù)回歸模式，以確認(rèn)冷水機(jī)組運行性能，讓冷水機(jī)達(dá)到最佳的運轉(zhuǎn)點及最低的耗能.

1 離心式冷水機(jī)系統(tǒng)原理

離心式冷水機(jī)組系統(tǒng)結(jié)構(gòu)圖如圖1所示.

圖1 離心式冷水機(jī)系統(tǒng)圖

圖1中為系統(tǒng)運轉(zhuǎn)時，水側(cè)及冷媒側(cè)的相關(guān)參數(shù)，包括蒸發(fā)器進(jìn)出水溫、制冷能力，冷凝器進(jìn)出水溫、散熱能力及壓縮機(jī)的用電量等，各運轉(zhuǎn)數(shù)值的狀況可代表冷水機(jī)復(fù)性能關(guān)系參數(shù).離心式冷水機(jī)組的壓縮機(jī)制冷壓縮有單級、多級之分，葉輪單級壓力和角速度決定制冷劑分子質(zhì)量，單級壓縮的壓力比可達(dá)3～4，當(dāng)高溫?zé)嵩春偷蜏責(zé)釁R間壓力比超出單級壓縮比時，即可使用分級壓縮、中間冷卻.

2 冷水主機(jī)故障檢測與診斷FDD 策略分析

故障檢測基準(zhǔn)值是基于可靠操作條件以及信賴區(qū)間之下的[4]，利用復(fù)性能指標(biāo)預(yù)測基準(zhǔn)值與復(fù)性能指標(biāo)實際測量值之間的差異，殘差控制方程如下：

(1)

UCL=CL+3RMSE

(2)

CL=e=0

(3)

LCL=CL-3RMSL

(4)

3 復(fù)回歸驗證模式和復(fù)回歸分析

將建立冷水主機(jī)模式撰寫成程序，通過復(fù)性能回歸驗證模式回歸分析，得到一組擁有最佳擬合系數(shù)的回歸方程.在故障檢測部分，將監(jiān)控值代入經(jīng)過回歸分析得到有最佳擬合系數(shù)的回歸方程式，即可得到一組與監(jiān)控值相同條件下的基準(zhǔn)值，判斷此值與監(jiān)控值的偏差是否超出設(shè)定門檻，當(dāng)此偏差超出設(shè)定門檻時，則判斷此系統(tǒng)發(fā)生故障.

如影響變量y的因子有x1、x2、x3、x44個獨立變量，故上述因變量與自變量的關(guān)系可用數(shù)學(xué)模型表示，

yi=β0+β1x1+β2x2+…+βkxk+εii=1，2，…，n

(5)

式中，βk為截距，εi為回歸系數(shù).其矩陣表示式為，

(6)

將n個觀察值合并成一矩陣方程式為,

(7)

復(fù)回歸模式其回歸方程式的預(yù)測誤差越小越好,即殘差越小越好.預(yù)測誤差的標(biāo)準(zhǔn)差稱為預(yù)測標(biāo)準(zhǔn)誤差(Standard Error of Prediction).從定義上來看,預(yù)測標(biāo)準(zhǔn)誤差就是殘差的標(biāo)準(zhǔn)差,也就是殘差值均方的平方根.

在建立各種冷水機(jī)復(fù)性能回歸驗證模式之后，為了得知模式預(yù)測能力的高低，本研究采用下列方程式來評估各項模式中預(yù)測能力的精確度與誤差范圍，其方程式如下，

(8)

式中，Yi為第i組預(yù)測數(shù)據(jù)樣本值，Ti為第i組訓(xùn)練數(shù)據(jù)樣本值，n為樣本數(shù)量.

1)均方根誤差(Root Mean Squared Error，RMSE)為預(yù)估預(yù)測數(shù)據(jù)樣本值與實際數(shù)據(jù)樣本值的誤差大小，誤差越小，代表回歸模式預(yù)測越好.

2)變異均方根誤差(coefficient variation of root-mean-square error,CVRMSE),作為估計預(yù)測數(shù)據(jù)樣本值與訓(xùn)練樣本值之平均誤差百分比，其值越小越好.

(9)

4 實驗數(shù)據(jù)分析

4.1 實驗系統(tǒng)與設(shè)備

4.1.1 實驗系統(tǒng)

離心式冷水機(jī)組故障診斷系統(tǒng)由以下軟件組成：Windows XP作操作系統(tǒng)，用 MATLAB 6.5軟件編制診斷故障程序，用 VisualBasic6.0軟件設(shè)計界面.

4.1.2 實驗設(shè)備和環(huán)境

本研究的節(jié)能效果分析主要選用ASHRAE RP-1043 90RT水冷離心式冷水機(jī)，其滿負(fù)荷制冷量為2 109 kW(600TR)，冷凍水溫為7～12 ℃，冷卻水溫為32～37 ℃，蒸發(fā)器污垢系數(shù)為0.0176 m2·℃/kW,故障仿真實驗數(shù)據(jù)，其冷媒使用為 R-134a，冷水機(jī)組運轉(zhuǎn)于27種不同工況和負(fù)載條件下，每間隔10 s收集穩(wěn)態(tài)運轉(zhuǎn)的物理參數(shù)[5]，包括冷水入出水溫度、冷卻水入出水溫度、冷水流量、冷卻水流量、蒸發(fā)壓力、冷凝壓力、壓縮機(jī)出入口溫度、壓縮機(jī)出入口過熱度、冷凝器過冷度及壓縮機(jī)耗電量，并計算出制冷能力、冷凝能力，詳細(xì)分析實驗測量的各項物理量.

4.2 實驗內(nèi)容

實驗內(nèi)容除了獲得正常數(shù)據(jù)外，主要有離心式冷水機(jī)運轉(zhuǎn)過程中最常見的漸變故障數(shù)據(jù)，其中包括：冷卻水流量減少、冷水流量減少、冷媒泄漏、冷媒充填過多、冷凝器結(jié)垢、系統(tǒng)中有不凝結(jié)氣體及冷凍油充填過多，具體如圖2所示.

圖2 離心式冷水機(jī)運轉(zhuǎn)中常見漸變故障示意圖

離心式冷水機(jī)漸變故障模擬實驗依故障的嚴(yán)重程度區(qū)分成4個等級，分別為故障等級一(LV1)、故障等級二(LV2)、故障等級三(LV3)及故障等級四(LV4).以下為針對如何設(shè)計模擬此離心式冷水機(jī)7種漸變故障實驗.

1)冷卻水流量減少(F1).使用電磁閥串聯(lián)于冷卻水回路上，改變流過水泵的壓差，使水泵降低流量，以達(dá)到模擬冷卻水量減少目的，基準(zhǔn)冷卻水量為 818 lpm，并依照不同故障程度，對應(yīng)1個減少10%的基準(zhǔn)水量故障等級.

2)冷水流量減少(F2).使用電磁閥串聯(lián)于冷水回路上[6]，改變流過水泵的壓差，使水泵降低流量，以達(dá)到模擬冷水量減少的目的，基準(zhǔn)冷水量為1 022 lpm，并依照不同故障程度，對應(yīng)1個減少10%的基準(zhǔn)水量故障等級.

3)冷媒泄漏(F3).減少系統(tǒng)中冷媒含量達(dá)到仿真冷媒泄漏的目標(biāo)，基準(zhǔn)冷媒量136 kg，并依照不同故障程度，對應(yīng)1個減少10%的基準(zhǔn)冷媒量故障等級.

4)冷媒充填過多(F4).增加系統(tǒng)中冷媒含量達(dá)到模擬冷媒充填過多的目的，基準(zhǔn)冷媒量為136 kg，并依照不同故障程度，對應(yīng)1個增加10%的基準(zhǔn)冷媒量故障等級.

5)冷凝器結(jié)垢(F5).實驗將減少冷凝器內(nèi)熱交換器的銅管數(shù)，達(dá)到模擬冷凝器結(jié)垢的目的，標(biāo)準(zhǔn)管數(shù)為 164 支，并依照不同故障程度，對應(yīng)1個減少6%的基準(zhǔn)冷凝器內(nèi)管數(shù)故障等級.

6)系統(tǒng)中有不凝結(jié)氣體(F6).為了消除系統(tǒng)中的不凝結(jié)氣體，本實驗將添加氮氣于冷水機(jī)中，并依照不同故障程度，氮用氣量為1%～5%.

7)冷凍油充填過多(F7).增加系統(tǒng)中冷凍油含量達(dá)到模擬冷凍油充填過多的目的，基準(zhǔn)冷凍油量為10 kg，并依照不同故障程度，冷凍油含量為32%～73%.

5 復(fù)性能回歸模式預(yù)測準(zhǔn)確性的評估

復(fù)性能回歸驗證模式的適用性分析，針對多種復(fù)性能指標(biāo)，由統(tǒng)計學(xué)中預(yù)測質(zhì)量判定準(zhǔn)則進(jìn)行驗證.在此取 F4 LV3 數(shù)據(jù)對于復(fù)性能回歸模式的復(fù)性能指標(biāo)冷凝器趨近溫度(ΔTcapp)及蒸發(fā)器對數(shù)平均溫度差(Logarithm mean temperaturedifference of evaporator，LMTDe)的圖解為例.利用復(fù)性能回歸模式，針對復(fù)性能指標(biāo)ΔTcapp進(jìn)行預(yù)測質(zhì)量驗證[7]，其所得到的ΔTcapp預(yù)測值與訓(xùn)練值分布情形如圖3所示.

圖3 復(fù)回歸于F4 LV3時ΔTcapp 預(yù)測值與訓(xùn)練值分布圖

橫軸為數(shù)據(jù)經(jīng)過訓(xùn)練所得ΔTcapp值，縱軸為使用復(fù)性能回歸驗證模式預(yù)測所得ΔTcapp值，圖中圓點表示為訓(xùn)練值與預(yù)測值所配置出來的點，當(dāng)圓點越接近標(biāo)準(zhǔn)配適線(中間黑色實線)時，表示預(yù)測質(zhì)量越好；標(biāo)準(zhǔn)配適線兩端虛線所包圍的區(qū)間，即為信賴區(qū)間，此區(qū)間越窄代表其預(yù)測質(zhì)量越好.由圖3觀察可知，其圓點與標(biāo)準(zhǔn)配適線的偏移程度較小[8]，信賴區(qū)間較為狹窄，CVRMSE值較低，為3.992%，故其預(yù)測能力較好.

利用復(fù)性能回歸模式針對復(fù)性能指標(biāo)LMTDe進(jìn)行預(yù)測質(zhì)量驗證，其所得到的LMTDe預(yù)測值與訓(xùn)練值分布情形如圖4所示.

圖4 復(fù)回歸于F4 LV3時LMTDe預(yù)測值與訓(xùn)練值分布圖

由圖4可以看出，其圓點與標(biāo)準(zhǔn)配適線的偏移程度比圖3更小，信賴區(qū)間更為狹窄，CVRMSE值較低，為2.915%，故其預(yù)測能力較好.

由上可知，當(dāng)預(yù)測值與訓(xùn)練值越接近時，圖中圓點將越接近標(biāo)準(zhǔn)配適線，而信賴區(qū)間所包圍的區(qū)域越小，且CVRMSE值也相對偏低，表示其復(fù)性能回歸驗證模式預(yù)測能力越好.由于利用圖解或數(shù)值分析皆可獲得相同結(jié)果[9]，因此，后面也將以CVRMSE值做為適用性評估的準(zhǔn)則，對復(fù)性能回歸驗證模式進(jìn)行數(shù)值分析.

離心式冷水機(jī)正常運轉(zhuǎn)數(shù)據(jù)及故障運轉(zhuǎn)數(shù)據(jù)，利用復(fù)性能回歸驗證模式進(jìn)行預(yù)測，并用CVRMSE值進(jìn)行數(shù)值分析呈現(xiàn).綜合分析多種冷水機(jī)復(fù)性能回歸驗證模式發(fā)現(xiàn)，當(dāng)冷水機(jī)在正常運轉(zhuǎn)時，對于多種復(fù)性能指標(biāo)的預(yù)測準(zhǔn)確性高，CVRMSE平均值為2.0749%；當(dāng)冷水機(jī)在故障運轉(zhuǎn)時，復(fù)回歸對于多種復(fù)性能指標(biāo)預(yù)測準(zhǔn)確性仍然較高，CVRMSE平均值為2.0195%.因復(fù)回歸所具有的回歸函數(shù)為3項，因為此種回歸模式須通過8～10個擬合系數(shù)修正，方可呈現(xiàn)較準(zhǔn)確的預(yù)測能力.綜上所述，發(fā)現(xiàn)復(fù)性能回歸驗證模式中所具有的回歸函數(shù)與擬合系數(shù)多少，均可影響準(zhǔn)確性預(yù)測.回歸模式CVRMSE值為 3～5%以內(nèi)為可被接受的程度，所使用的復(fù)性能回歸驗證模式，對于多種復(fù)性能指標(biāo)平均CVRMSE值皆在5%標(biāo)準(zhǔn)內(nèi)[10].復(fù)回歸對于多種復(fù)性能指標(biāo)的預(yù)測準(zhǔn)確性較高[11]，CVRMSE總平均值皆為2.03%，故復(fù)回歸預(yù)測準(zhǔn)確性較簡單線性回歸高 72.93%.

表1 復(fù)回歸驗證模式CVRMSE綜合表

6 結(jié) 論

本研究主要探討了離心式冷水機(jī)故障檢測與診斷策略中，復(fù)回歸驗證模式的預(yù)測準(zhǔn)確性對于故障檢測率與故障診斷率的影響.復(fù)回歸驗證模式，在離心式冷水機(jī)故障檢測與診斷率上表現(xiàn)較好，為具有較高預(yù)測準(zhǔn)確性復(fù)性能回歸驗證模式[12].因此，評估結(jié)果顯示，復(fù)回歸為適用于離心式冷水機(jī)故障檢測與診斷策略的復(fù)性能回歸驗證模式.將本方法應(yīng)用于 ASHRAE RP1043 離心式冷水機(jī)組[13]進(jìn)行故障檢測，驗證了該方法的有效性.調(diào)速變頻冷水機(jī)組可提高節(jié)能效率.在對離心式冷水機(jī)組變頻改造時，要計算精確、合理科學(xué)地確定定頻和變頻離心式冷水機(jī)組數(shù)量.實際運行時，需依工況不同配置不同運行負(fù)荷，最大程度地實現(xiàn)節(jié)能效果[14].未來的研究方向可采用深度復(fù)回歸學(xué)習(xí)中的時間序列建模[15]，以保證網(wǎng)絡(luò)的泛化能力，使診斷具有較高的經(jīng)濟(jì)價值和節(jié)能環(huán)保意義.