覃运鸿
佛山市南海卓力冷气工程有限公司 广东佛山 528000
摘要: 故障检测与诊断系统（FDD）主要是早期检测故障并诊断原因，目前已得到了广泛应用，但在暖通空调系统领域中仍有待进一步发展。为此，本文阐述了制冷机组常见的8种故障，以及故障探测及诊断系统（FDD），并就FDD系统在暖通空调及建筑工程中的应用、各种FDD方法的优缺点进行了分析研究，仅供参考。
关键词：制冷机组；故障；FDD
引言
对于一些大型的复杂控制系统，若发生故障将严重影响到人民的生命财产安全，带来不可估量的损失，在此情况下，应运而生的故障检测与诊断系统（Fault Detection and Diagnostics，FDD）为提高复杂控制系统的安全性和可靠性提供了一项重要的途径。FDD通常用来检测和诊断物理系统性能的下降，预测未来的故障，使物理系统的剩余寿命在可接受的运行状态下运行。近年来，故障探测及诊断（FDD）广泛应用于航空航天、过程控制、汽车、国防等领域，但在暖通空调系统及制冷机组中的应用中仍有待进一步发展。鉴于此，本文将对制冷机组常见故障及相关故障探测及诊断方法（FDD）进行分析研究。
1.制冷机组常见故障
制冷机组中故障可分为两类：（1）硬故障。导致故障系统停止运行或不符合运行条件；（2）软故障。导致性能下降但允许系统继续运行。许多常见和耗资巨大的故障都与硬故障有关，如压缩机和电气故障。自动化FDD系统能够使用经济的传感器对硬故障进行检测和诊断[1]。例如，压缩机故障导致制冷剂的流动完全停止，可以通过监测压缩机入口和出口处的温度或压力来诊断。泵电机故障可以通过测量它们所服务的蒸发器或冷凝器的入口和出口处的温度或压力来诊断。在FDD系统中的其他硬故障是控制故障、起动器故障和其他电气部件的故障，如接触器。
诸如制冷剂缓慢损失或热交换器结垢等的软故障更加难以检测和诊断。这些类型的故障是文中介绍的重点。8种常见的软故障引起的参数变化将被分析，包括：冷凝器水流量降低、蒸发器水流量降低、制冷剂泄漏、制冷剂过量、机油过量、冷凝器结垢、不可冷凝、膨胀阀故障。
（1）对于降低冷凝器水流量，反映故障的指标是压缩机输入功率、冷凝器压力、过冷温度和冷凝器水温差。一般来说，降低冷凝水流量对系统性能有非常显著的影响。
（2）对于减少蒸发器水流量，重要指标是蒸发器压力、排气过热、蒸发器接近温度和蒸发器水温差。根据操作条件，几个残差可以是正或负。尽管许多测量值都有很小变化，但冷水机组的效率对蒸发器的水流量相对敏感。
（3）对制冷剂泄漏敏感的参数是冷凝器压力、过冷温度和冷凝器接近温度。制冷剂泄漏时，系统性能略有提高，然而此时控制冷水机组十分困难，快速达到稳态或达到某些运行状态的能力可能会受到此故障的不利影响。
（4）制冷剂过量时，敏感指标为压缩机输入功率、冷凝器压力、过冷温度、排气过热、冷凝器接近温度和冷凝器水温差。当制冷剂过量大约26%时，开始对系统性能产生显著的影响。
（5）随着机油过量，以下参数具有高灵敏度：压缩机输入功率、油底壳温度和送油温度。结果与额外机油停留在压缩机腔中，并增加齿轮传动装置中的粘性损失的可能性一致。当机油过量约50%时，可以检测到系统性能的降低。
（6）冷凝器结垢影响压缩机输入功率、冷凝器压力、冷凝器接近温度和冷凝器水温差。当结垢约占40%的传热面积时，可探测到系统性能的下降。
（7）不可冷凝会影响以下参数：压缩机输入功率、冷凝器压力、过冷温度、排气过热、冷凝器接近温度和冷凝器水温差。当不可冷凝量超过标准约0.023kg时，对系统性能的负面影响会被轻易探测到。
（8）对于膨胀阀故障，该故障严重依赖于操作条件。蒸发器压力在较低的蒸发器温度下较高，而在较高的蒸发器温度下较低。过冷温度在较低的蒸发器温度下较低，但在更高的蒸发器温度下接近正常行为。过热量在较低的蒸发器温度和排气过热情况下异常低。最后，蒸发器和冷凝器接近温度在低蒸发器温度下较低。膨胀阀故障在较高负载下对系统性能有影响，但当冷负荷大约为1/2时，实际上是不明显的。
以上8种故障以及相应参数变化为暖通空调故障探测及诊断提供了宝贵的参考，如有故障探测及诊断系统设计需求，可基于以上故障进行专家数据库设计。
2.故障探测及诊断系统（FDD）
故障探测及诊断系统（FDD）的主要目标是早期检测故障并诊断其原因，从而在发生额外的系统损坏之前纠正故障[2]。该系统通过持续监控系统的运行情况，使用FDD来检测和诊断异常情况及与之相关的故障，然后评估检测到的故障的重要性，并决定如何响应。
第一步是监控物理系统或设备并检测任何异常情况。这一步通常被称为故障检测。当检测到异常情况时，使用故障诊断来评估故障并确定故障原因。这2个步骤构成了FDD过程。经过诊断，故障评估可以评估对系统性能（在能源使用、成本、可用性或对其他性能指标的影响方面）的影响大小和意义。然后基于故障评估，决定如何应对故障（例如，采取纠正措施或不采取行动）。这4个步骤一起实现了基于情况的维护。在大多数情况下，故障检测比诊断故障原因或评估故障影响要容易得多。
FDD本身经常被描述为3个关键过程：故障检测、故障隔离和故障识别[3]。首先，故障检测是确定系统中发生某些故障的过程；其次，分离发生的特定故障，包括确定故障类型、故障位置和检测时间；最后，故障识别，包括确定故障的大小和时变行为。故障隔离和故障识别一起被称为故障诊断。一些文献综述揭示了用于检测和诊断故障的各种方法。检测和诊断的顺序有所不同。在某些情况下，检测系统连续运行，只有在检测到故障时触发诊断系统。在其他应用中，检测和诊断系统并行运行。在某些情况下，检测和诊断在一个步骤中执行。某些综述也表明，这一领域的大多数研究和开发重点是FDD本身的方法，而不是决策过程和工具。FDD的方法包括基于物理和分析模型的方法以及由性能数据和使用人工智能或统计技术驱动的方法。
3. FDD系统在暖通空调及建筑工程中的应用
与几十年前开始的核能、航空航天、过程控制和国防领域的FDD研究不同，FDD在暖通空调系统中的研究直到20世纪80年代末和90年代初才开始。在20世纪80 年代后期，McKellar（1987）和Stallard（1989）探讨了基于蒸气压缩的制冷自动化FDD。20世纪90年代，在实验室开发和测试了几种用于建筑系统的FDD应用。
期刊文章分类查询,尽在期刊图书馆大多数这些研究集中在用于蒸气压缩设备（冰箱，空调，热泵和冷却器）和空气处理组件（AHU）。一般来说，FDD在这些应用中，使用系统中各个位置的测量温度或压力和热力学关系来检测和诊断常见故障。
自动化FDD和预测应用在建筑工程的3个基本领域：调试、操作、维护。调试部分包括确保系统安装正确并正常运行。在调试过程中发现的问题包括安装错误，例如：向后安装的风扇、设备尺寸不正确以及控制不当（如不正确的计划、设定点和算法）等。
初始建筑调试中应用的FDD方法可能与建筑物的使用寿命稍有差异。在启动时，没有历史数据可用，而在生命的后期，早期操作的数据可以在FDD中使用。自动化FDD工具可以检测故障并提醒建筑操作人员，还可以识别这些问题的原因，从而使维护工作成为可能，最终降低维护成本，确保良好的运行。当与维护程序的知识结合在一起时，未来开发的工具可以为纠正FDD工具的识别问题提供指导。通过检测性能下降而不仅仅是物理组件的完全故障，FDD还可以通过在实际故障发生之前警告建筑操作人员和维护人员即将发生的故障，来防止系统的灾难性故障。这样可以方便地进行维护调度，减少意外故障的停机时间，以及通过使用基于条件的维护更有效地利用维护人员的时间。
4.故障探测及诊断方法
FDD方法的目的是检测故障并随后诊断其原因。不同方法的主要区别在理论基础。在极限情况下，诊断可以基于先验知识（如完全基于第一原理的模型）或完全经验地驱动（如通过黑箱模型）。这2种方法都使用模型及数据，但是制定诊断的方法在根本上是不同的。第一原则的基于模型的方法使用先验知识来指定一个模型，以该模型为基础来识别和评估实际运行状态与预期运行状态之间的差异。完全过程数据驱动的方法（即基于黑箱模型的方法）不使用该过程的先验知识，而是仅从来自过程本身的测量数据导出行为模型。在后一种情况下，模型可能没有任何直接的物理意义。
将故障诊断方法分为三大类，并将其分为3个部分。它们是基于定量模型的方法，基于定性模型的方法和基于过程历史的方法。
基于模型的先验知识法可以广泛分为定性或定量。模型通常是基于对该过程物理学的一些基础理解而开发的。
（1）定量模型中，这种理解用系统的输入和输出之间的数学函数关系来表示。
（2）相比之下，在定性模型方程中，这些关系以一个过程中不同单位为中心的定性函数来表示。
（3）与基于模型的方法相反，在基于过程历史的方法中，仅使用大量历史过程数据。这种数据可以通过不同的方式转化并作为诊断系统的先验知识来呈现。这被称为来自过程历史数据的特征提取过程。该提取过程主要分为定量或定性提取方式。
4.1 基于定量模型的优缺点
基于定量模型的FDD优势包括：
（1）模型基于良好的物理或工程原理；
（2）当制定良好时，可以提供最准确的估算量；
（3）基于第一原则的详细模型可以模拟正常和“错误”的操作，因此“错误”操作可以容易地与正常操作区分开来；
（4）动态系统中的瞬时变化只能用详细的物理模型进行建模。
定量模型的弱点包括：
（1）可能复杂且计算密集；
（2）开发模型需要大量工作；
（3）这些模型通常需要许多输入来描述系统，其中一些值可能不会随时可用；
（4）广泛的用户输入导致了可能对结果产生重大影响的不良判断或输入错误的机会。
4.2 基于定性模型的优缺点
定性模型的优势包括：
（1）非常适合数据丰富的环境和非关键流程；
（2）易于开发和应用；
（3）推理透明，有提供不确定性的理由的能力；
（4）有能力为诊断提供解释，因为该方法依赖于因果关系；
（5）某些方法可以在没有系统的精确知识和输入参数的确切数值的情况下执行FDD。
定性模型的缺点包括：
（1）方法特定于系统或过程；
（2）尽管这些方法易于开发，但是当系统复杂时，很难确保所有规则始终适用；
（3）添加新规则以扩展现有规则或适应特殊情况时，简单性将会丢失；
（4）这些模型在很大程度上取决于开发人员的专业知识。
4.3 基于过程历史模型的优缺点
基于过程历史模型的优势包括：
（1）非常适合于理论模型的发展不足或不足以解释性能的情况；
（2）适合训练数据丰富的情况；
（3）黑箱模型易于开发，不需要了解系统的物理特性；
（4）计算要求有所不同，但通常并不苛刻；
（5）有丰富的关基础数学方法的文献资料。
基于过程历史模型的缺点包括：
（1）基于第一原则的灰箱模型需要对统计系统和专业知识进行彻底的了解；
（2）大多数模型不能用于超出训练数据范围的推断；
（3）需要大量的训练数据；
（4）这些模型针对系统设计，很少能在其他系统上使用。
5.结语
综上所述，故障探测及诊断方法（FDD）是保障系统安全稳定运行的关键技术之一，为工程系统中基于不同情况的自动化维护提供了基础，已广泛应用于各个领域，对科学技术的发展起着巨大的推动作用。本文对制冷机组常见故障及相关故障探测及诊断方法（FDD）进行研究，以期能够为未来该领域的相关研究提供一定的参考借鉴作用。
参考文献：
[1] 彭荣博. 暖通空调系统故障检测与诊断研究[J]. 科技资讯, 2014, 12(17):49-50.
[2] 辛博, 朱张青, 李文利. 网络控制系统故障检测与诊断的研究与进展[J]. 电气自动化, 2012, 34(3):1-4.
[3] 王刚, 朱清雪. 暖通空调系统中传感器故障检测与诊断方法研究[J]. 科学与财富, 2017(27).
论文作者:覃运鸿
论文发表刊物:《防护工程》2018年第18期
论文发表时间:2018/11/7
标签：故障论文; 模型论文; 系统论文; 冷凝器论文; 方法论文; 蒸发器论文; 温度论文; 《防护工程》2018年第18期论文;