基于定性趨勢分析的空調系統傳感器故障檢測

，，

(中國西昌衛星發射中心，四川 西昌 615000)

0 引言

空調系統中存在大量的溫度、濕度、風速、壓力、壓差等傳感器，這些傳感器是空調系統參數檢測的首要環節。如果沒有傳感器對原始參數進行準確可靠的測量，就無法實現信號的轉換和信息處理、完成最佳數據的顯示和控制[1]。一旦傳感器發生故障，輕則引起不必要的能源浪費、降低室內空氣品質，重則導致設備損壞，引發安全事故[2-3]。傳感器由于工作環境復雜、分布面廣、數量大、安裝部位特殊等，往往成為空調系統的薄弱環節。由于自然的或人為的因素，傳感器隨時都可能發生故障。目前，人工檢測與定期校準檢定仍然是發現傳感器故障的主要途徑，但此方法拆卸麻煩、工作量大、效率低，不能及時發現故障，因此進行傳感器故障檢測研究非常必要。

空調系統傳感器數量龐大，一般會有多個傳感器的信號曲線具有一定的相似性，因此可以利用傳感器數據間的相似性進行故障檢測，當某一傳感器的數據曲線與其他傳感器曲線不再相似時，表明該傳感器發生了故障。定性趨勢分析法能自動分析傳感器數據，判斷傳感器數據間相似性以實時檢測傳感器故障。

1 故障檢測構架及原理

空調系統中有多個傳感器的信號曲線具有一定的相似性。把信號曲線相似的傳感器分成一組，利用同一組中傳感器數據的相似性進行故障檢測。故障檢測構架如圖1所示，采集數據預處理，趨勢提取、識別，趨勢匹配和故障檢測是構架中的四大主要環節[4]。采用趨勢提取識別算法，將傳感器數據轉換成趨勢，用模糊趨勢匹配算法將傳感器趨勢兩兩相匹配。正常情況下，同一組中兩兩傳感器趨勢匹配度SIij較大。若某一時段，某一傳感器與其他傳感器的趨勢匹配度明顯下降，即SIi*<設定值(如0.5)，則說明傳感器i發生故障。

2 定性趨勢分析

2.1 趨勢語言

定性趨勢描述語言為用一階導數和二階導數符號表示的七種基元[2]，如圖2所示。

圖2 基元

2.2 數據預處理

(3.1)

式中，yi為信號幅值，yi,降噪為信號降噪后的信號幅值，N為總采樣點數。因此，首先要對采集的數據進行降噪處理。

故障診斷中，分析的通常是混有白噪聲的非平穩信號，傳統的降噪方法對此類信號的處理有一定的局限性，常常會將含有故障特征的微弱信號濾除，造成故障漏檢。近年來發展起來的小波分析由于具有可進行時頻域同時局部分析的特點，能夠很好地抑制非平穩信號中的噪聲并且保留原始信號的特征，在信號降噪領域得到了越來越廣泛的應用。因此，本文采用小波降噪法進行數據的降噪。

2.3 趨勢提取

實時趨勢演變速率快慢不一。因此，很難確定識別時間窗的寬度——寬度太寬或太窄都會造成趨勢的誤識別。任意能準確捕捉到趨勢實時演變的趨勢識別技術，其識別時間窗都不應該是固定的。識別時間窗應該既寬到能觀測到監控信號的變化，又小到用一個基元就能很好地描述信號。區間半分法能根據實時趨勢的演變速率，自動調節識別時間窗的寬度，本文采用區間半分法自動提取趨勢。

Yk=[y(tki)，y(tki+ΔT)，…，y(tki+(mk-1)ΔT]τ

兩個連續單峰片段的近似多項式不一定連續，為了確保近似數據的連續性，一旦識別了一個單峰片段，就要用約束多項式擬合方法優化近似多項式(包括階次和系數)。下面介紹約束多項式擬合數據算法。

對β1,β2,λ,μ求偏導數，并使之為零，得:

至此將傳感器數據轉換為擬合多項式序列。

y(t)={y1,y2,…,yN}→y(t)≈{Q1(t),Q2(t),…,QM(t)}

區間半分法流程如圖3所示。

圖3 區間半分法流程圖

根據多項式的導數符號可識別基元，將多項式序列轉換為基元序列[8]：

y(t)≈{Q1(t),Q2(t),…QN(t)}→Tr={P1,P2,…PN}

2.4 趨勢匹配

采用上述算法得到基元序列后，可以將相互關聯的傳感器趨勢進行匹配，根據趨勢的匹配程度檢測傳感器是否發生故障。下面介紹趨勢匹配算法：1)基元匹配；2)趨勢匹配；

2.4.1 基元匹配

基元是趨勢的基本組成單位，首先要考慮基元間的相似度。基元具有相似性，如基元A和C、F相似，基元B和C、D相似，因此可以把基元模糊歸類[9]。定義基元Pi和Pi*的相似度如表1所示。

2.4.2 趨勢匹配

將傳感器數據轉換成趨勢后，即y(t)={y1,y2,…,yN}

表1 基元相似度矩陣

→Tr={P1,P2,…,∧PN},就可以將傳感器趨勢進行匹配，求出他們之間的匹配程度[10]。可以從兩個方面估計趨勢的相似度：基元的順序；基元的持續時間。定義趨勢相似度為：

此匹配算法只考慮了基元的順序，是不嚴密的。為了更準確的區分趨勢，還應考慮基元的持續時間，即匹配區間長度Δtui=tui-tui-1。匹配區間較長的基元相似度比匹配區間較短的基元相似度所占權重要大些，即:

為了使兩趨勢具有盡可能大的相似度，定義趨勢相似度為:

SI=max[SI1，SI2]

2.5 故障檢測

分析系統正常工況條件下的傳感器趨勢，將信號曲線相似的傳感器分成一組，得到若干組傳感器。將同一組中的傳感器趨勢進行兩兩比較分析，得到SIij。由于同一組傳感器趨勢是相似的，所以傳感器的趨勢匹配度即SIij較大。若傳感器發生故障，則傳感器的趨勢必然會發生較大的變化 ，傳感器的趨勢與其他傳感器趨勢不再相似，與其他傳感器的匹配度SIi*也會變小。所以，若某一時段，某一傳感器與其他傳感器的趨勢匹配度明顯下降，如SIi*<設定值(如0.5)，則說明傳感器發生故障。

傳感器發生階躍偏置故障的時間較短，SIi*變化不明顯，但包含階躍偏置故障點的單峰片段的一階導數絕對值會偏大，可設一階導數值的絕對值閾值為d1th，若|d1|>d1th，則傳感器發生故障。故障檢測流程圖如圖4所示。

本文利用同一組中傳感器兩兩趨勢的匹配度進行故障檢測，趨勢匹配的計算量會隨著同一組中傳感器數量的增加而呈幾何級數增加，給故障檢測帶來極大的挑戰。因此，傳感器分組時應當控制同一組中傳感器的個數。

3 空調系統

空調系統為全新風直流式系統，采用定風量變露點自動控制，特點是送風量不變。通過改變送風溫濕度來滿足室內負荷變化。其暖通部分由新風預處理系統、空調后處理系統、制冷系統3個子系統組成，如圖5所示。新風機組和轉輪除濕機組共同組成新風預處理系統，新風預處理系統對新風進行初步調節，使之接近最終目標；空調后處理系統，對空調送風進行溫度和濕度的精細調節，是送風滿足室內負荷要求。空調系統由表冷器、加熱器、加濕器、除濕機、新風機、送風機、變頻器、新風閥、送風閥、風管等組成。

表2 表冷器2溫度傳感器正常工況下基元一階導數值

圖4 故障檢測流程圖

圖5 空調系統結構圖

分析空調系統各傳感器數據，得知表冷器2溫度、機組電加熱溫度、風管電加熱溫度、送風溫度的數據雖不相同，但曲線很相似，如圖6所示，因此將其分為一組進行定性趨勢分析。

圖6 空調系統各傳感器數據曲線圖

4 仿真研究

傳感器故障都可以等效為漂移故障或偏置故障，本文主要對傳感器的漂移和偏置故障進行實驗[11]。采集空調系統正常工況下某一時段各傳感器數據，采樣周期為2 s，得到8 000組采樣數據。研究表冷器2溫度、機組電加熱溫度、風管電加熱溫度、送風溫度的趨勢相似度，設趨勢匹配時間長度為20 min，即600組采樣數據，按照先進先出的原則每2 min匹配一次，得到兩兩間的趨勢相似度SIij>0.8，表明正常工況下兩兩間的趨勢很相似。

表冷器2溫度傳感器正常工況下基元的一階導數值如表2所示。從表中可以看出，表冷器2溫度傳感器基元一階導數值分布區間為[-1.1008 1.4611 ]，因此令一階導數值的絕對值閾值為d1th=2.0。

4.1 漂移故障

當表冷器2溫度傳感器在采樣點3 000點處發生漂移率為-0.004采樣點的漂移故障時，趨勢匹配圖如圖7所示。在3 000點附近，表冷器2溫度傳感器與其他傳感器的相似度SId*顯著下降，遠遠小于0.5，而其他傳感器趨勢無明顯變化，表明表冷器2溫度傳感發生了故障。從4 080點到5 080點趨勢匹配度SId*比較大，這是因為其他傳感器也表現為下降趨勢。

圖7 表冷器2溫度傳感器發生漂移故障趨勢匹配圖

表3 表冷器2溫度傳感器發生偏置故障時基元一階導數值

4.2 偏置故障

當表冷器2溫度傳感器在采樣點3 000點處發生偏置量為4的偏置故障時，趨勢匹配圖如圖8所示。趨勢匹配度如表3所示。從表中可以看出，當分別發生偏置量為4、2、-2的偏置故障時，故障發生點處的一階導數值為d1+4=5.8999、d1+2=3.2359、d1-2=-2.0921，d1th=2.0，|d1+4|>d1th，|d1+2|>d1th，|d1-2|>d1th，都檢測出后表冷后溫度傳感器發生了故障。

圖8 表冷器2溫度傳感器發生偏置故障趨勢匹配圖

5 結論

本文提出基于定性趨勢分析的傳感器故障檢測方法，該方法針對空調系統中存在多個傳感器信號相似的特點，將信號相似的傳感器分成一組，利用組間傳感器信號的相似性進行故障檢測。通過對傳感器的兩種典型性故障即漂移故障和偏置故障進行仿真實驗，結果表明定性趨勢分析方法能及時檢測故障。