摘要：暖通空调在现代社会的重要地位日益显著，对智能建筑设计产生直接影响。基于此，本研究围绕智能建筑暖通空调系统，论述其常见故障，提出相应的故障检测方法，并简要分析应用，以期进一步改善暖通空调运行系统。
关键词：智能建筑；暖通空调系统；故障检测；检测方法
21世纪，公共建筑总能耗的60%以上用于暖通空调，空调运行已成为当下重点耗能设备。在智能建筑节能理念背景下，若暖通空调发生严重故障，较易发生资源浪费与经济损失，分析故障及检测方法显得尤为关键。
一、智能建筑暖通空调系统的常见故障
硬故障与软故障是暖通空调系统的两大故障类型，具有局部性与全面性特点，直接影响HVAC系统的运行情况。
1.硬故障
机械设备与运转部件的功能故障即为硬故障，皮带断裂、风机停比运行、传感器失效等是其常见现象，严重阻碍暖通空调系统运行。智能建筑暖通空调系统的硬故障归类于突发故障事件，与故障产生的时间具有直接联系。此外，由于空调系统硬故障涉及较多因素，其检测难度系统较大，且系统故障的产生具有随机性，易破坏HVAC系统的子设备与基础构件（如：阀门不受控制），对多个相关的标准组件也会产生一定影响；空调系统的故障会加剧室内温差与系统能耗，与电气、管路、开关部分具有紧密联系。
2.软故障
在暖通空调系统运行故障中，软故障相比较硬故障的诊断系度更大，主要表现为严重降低设备与部件的机械功能使用效率，其管道结垢、仪表稳定性失效等现象时常发生。软故障的初期特征并不明显，具体成因源于系统参数的恶化，且具有循序渐进的发展特性，故障危害系度远大于硬故障，需要及时做好预防工作。从故障层次性方面来看，多个相关的子设备与构件综合而成系统运行要素，HVAC系统结构的软故障发生情况很难及时分辨，比如部件局部泄漏、管道堵塞等故障则需进行相关环节的检测，不利于空调系统的运行。
二、智能建筑暖通空调系统故障的检测方法
一般而言，故障检测主要围绕识别、评价、决策几个部分展开，重点分析故障的类型与影响程度，并做出合理判断与预警，便于明确系统处于故障状态是否能保持正常运行，并依据仪器读数、修改设定值等方法，进一步采取正确的处理措施。智能建筑暖通空调系统常见故障的检测方法如下：
1.基于案例的故障检测方法
查找知识库与相关资料是该方法的主要内容，试图通过暖通空调系统故障案例的检索与学习，以集中解决相关故障。由于该方法需要结合大量相关案例，判断故障产生因素的局限性较强，不适用于紧急突发事件。以某地智能建筑暖通空调系统运行故障为例，重点分析故障诊断办法。空调系统采用380V供电，送风量1000m3/h，室内、外机壳测380V输入电路控制板。通过数据库搜索相关故障案例（如：中国暖通空调网），检测变压器次级输出电压状态，确定其低级线圈基本损毁，得出主要由空调信号变压器损毁引起的整机工作效能低下结论。
2.基于故障树的检测方法
立足于暖通空调系统的最终故障，通过倒序查找的方法，逐级判断系统故障，并以故障树的构图确定整个系统复杂状态。该方法相比案例故障排查更具全面性，所得故障树的建造规模也较复杂，适用于系统运行信息量中等的场景。例如，某市恒温车间利用一次回风式空调系统，规定全年室内空调计算参数为20℃，允许送风最小温差为5℃。
期刊文章分类查询,尽在期刊图书馆该空调系统运行过程中出现水系统水侧故障，利用故障树检测方法，分析水系统与制冷机两部分使用状态，从空调系统运行的最终故障出发，逐一检测供水泵、水处理装置、阀门及过滤网等部件，最终确定由阀门及过滤网堵塞引起的水流量变化故障。此外，准确记录相关参数变化，利用故障树标注的故障信息，通过定期清洗过滤网、调整水泵配置系数等方法，有效提升空调系统使用效率，以保证管道水流量达到正常工作要求，有助于延长空调设备的使用寿命。
3.基于模式识别的故障检测方法
当暖通空调系统运行出现故障后，通过分辨故障的稳定状态与非稳定状态，由此探究具体特征与属性，并做出总结与计算，即是模式识别故障检测方法的主要内容。从智能建筑节能要求来看，该方法仅适用于无需建模且计算量小的场景，可直接判断系统运行故障问题。以某医院中心手术室空调系统分区故障为例，探究故障的稳定与非稳定状态。该空调系统冷源为离心式制冷机组，闭式冷水系统集中供给，夏季使用负荷低于制冷剂的20%，存在效率低下、耗能较大等问题。经过排查空调系统运行状态，判断该故障的稳定状态处于系统分区运行、非稳定状态处于制冷剂低负荷运行，得出由空调系统分区问题引起的制冷剂低负荷运行故障，集中考虑大中型建筑物使用不同容量的制冷机器，以缓解蒸发器冻坏、修理故障。其中，通过计算医院不同部门的空调系统风机转数、变风量等要素，对负荷特性较大的部门单独设立制冷系统，起到满足小负荷运行需求、节约能源的目的。
4.基于神经网络的故障检测方法
该方法主要是通过相互关联神经网络完成的，依据输入信号在神经网络中的传递，并利用大量信息样本、数据校对，从而不断完善整个网络体系，突出神经网络的有效运行优势。该方法无需建立物理模型，普遍适用于空调系统故障检测，且故障识别率高达80%左右。例如，某商业中心空调房间的室内设计温度为20℃，室内冷负荷相对为83800KJ/h，且送风温度不高于4℃。已知暖通空调系统基本参数，通过分析其供暖系统运行故障，利用HVAC系统故障检测的ANN模型（人工神经网络），初步设定换热器损坏、燃烧工况不佳、阀门渗漏、加热曲线不符合室内温度要求等故障类型，以诊断已经训练或未经训练的故障。ANN模型改变了供水温度、室内外温度设定值、建筑惯性等参数，设置两个不同阶段的ANN训练样本，检测出系统的供暖曲线与后期升温时间符合要求，更好地判断网络准确度。
5.基于小波分析的故障检测方法
小波分析检测故障，主要应用于信号处理工作，可准确判断不稳定或波动较大的信号，以便及时处理其突变信号所包含的故障信息。该方法直接分析故障的具体位置与实际影响，便于探究设备运行异常状况。以暖通空调的氟系统制冷故障为例，判断故障原因与冰堵及压缩机问题密切相关。由于小波分析具有较好的时-频局部化特点，每当空调氟系统发生制冷故障时，其参数变化通常并不稳定，小波分析则是通过查取重要的故障信息（比如：瞬态信号、脉冲信号），短时间内检测电流和压力变化，判断空调压缩机是否正常运行或电流升高、压力降低等系统异常征兆，便于后续采取故障解决对策。此外，小波分析可用于构造故障检测的特征因子，比如：空调制冷剂液体结冰温湿度变化、过滤网装置等，直接提取故障有用信息。
总结
综上所述，智能建筑暖通空调系统故障检测尤为关键，直接影响HVAC系统运行。在日常应用中，明确系统的硬故障与软故障，利用案例检测、故障树检测、模式识别检测、神经网络检测、小波分析检测等方法，做好故障预防工作。
参考文献：
[1]陈隆.暖通空调系统故障检测诊断技术与电气自动化技术初探[J].中国高新技术企业，2015（06）：82-83.
[2]郭式伟.暖通空调系统故障检测与诊断技术研究进展[J].城市建设理论研究（电子版），2015（1）.
[3]韩琦，魏东，曹勇.暖通空调系统故障检测与诊断技术研究进展[J].暖通空调，2014（3）.
论文作者:顾志勇
论文发表刊物:《基层建设》2017年第28期
论文发表时间:2017/12/31
标签：故障论文; 空调系统论文; 系统论文; 暖通论文; 暖通空调论文; 检测方法论文; 神经网络论文; 《基层建设》2017年第28期论文;