摘要：智能化建筑的发展已是建筑行业的主流，并且建筑智能化的程度越来越高。在智能建筑中大量采用了空调系统及相关设备，它们规模庞大，设备复杂，当某个设备出现故障时，设备可能在东，电源又可能在西，因此维护人员可能要跑遍整个建筑去排除故障，即使找到了故障所在的设备间，往往又是一大堆不同系统的设备，摆在同一狭小的空间里，要迅速确定故障所在并加以排除也不是一件轻松的事，给暖通设备的维护与管理带来很大的困难，也在很大程度上影响到这些建筑的声誉。基于此，本文就从暖通空调系统故障维护与设备管理展开分析。
关键词：暖通空调系统；故障维护；设备管理
1、暖通设备智能化监测和自动化设备管理
目前，楼宇自动化系统（BAS）已经能通过网络实现现场输入/输出、控制站、操作员站和工程师站之间的协调运行，利用集成网络所提供的技术，能快速而便利地传递和控制数据，通过网关在数据网络和控制网络之间提供界面。这种先进的网络形式利用网络通信技术，集数据采集、分析和控制为一体。
带远程诊断的智能设备管理模式是更高级的管理模式、根据异常的工况或变坏的运行特性，通过计算机数据分析处理系统能根据若干征兆群，确定特定故障的概率，并对设备的维修计划、维修时间表、维修方案等作出决策。大力开展基础研究，逐渐完善设备管理系统。设备诊断技术涉及数学、电子、计算机、信号处理等多学科，加强设备诊断监测技术的研究，包括设备状态监诊理论、开发设备状态监测设备、仪器、收集研究并制定各种设备的运行状态标准，研究故障机理和诊断分析技术，开展状态诊断工作，编制诊断、监测程序和相关分析应用软件，提供设备状态信息等方面。
系统集成是分布式设备管理的关键。信息技术本身将随高科技不断发展，智能化设备管理的未来许多应用将是建立在网络的基础上，并且要求有良好的人机交互能力和多维信息处理能力。神经网络技术在设备管理系统中的应用能实现真正的智能化管理，它是一个能对分布式计算机环境夹施前期预报管理和智能管理的解决方案。它能够同时自动分析、监控数以千计的系统状态参数。通过神经智能系统可以查找潜在设备故障，给最终用户提供自动化建议，优化多供应商环境中的设备应用服务水平，使系统监控、管理功能更强。计算机及网络技术的发展，为HVAC设备自动诊断系统的发展提供了良好的条件。将计算机实时检测分析用于设备管理，实现关键设备运行状态的集中管理、集中分析。要实现设备联网管理，必须应用远程故障诊断技术。根据异常的工况，或变坏的运行特性，通过计算机数据分析处理系统，确定出征兆与故障产生之间的概率，并对设备的故障检测、故障诊断、维修计划、维修时间、维修方案等做出决策。
设备管理系统的关键技术是应用软件的开发。能处理上万个实时数据的大型系统，开放性和集成性成为这类系统的最大特征。楼宇控制系统的一体化集成具有系统集成、功能集成、网络集成和软件界面集成等特点。它是把多个功能单一的控制器通过通信技术和计算机网络联成一个系统，为了提高系统的可靠性，设备管理控制中心的计算机可采用主、备机的冗余形式。备机和主机不一定装在一起，可通过局域网互联，并使备机处于热备状态。主控室内常设置智能模拟屏和大屏幕投影仪，赢观地显示数据。智能屏上有详细的管网图，实时数据由位于各管道相应位置的智能显示窗显示出来。一般在这种规模的系统中还配备维护工作站、监控工作站等操作站。它们也互联成局域网。控制这个系统的软件系统实际上就是正在研发的设备管理专家系统。
2、建立设备故障检测与诊断系统以及应用
2.1分析故障参数
当某一故障发生时，总有一些相关参数与之对应。相关参数可能很多，通过统计和必要的研究后，根据相关程度的高低筛选出有足够建立故障模型的参数组。掌握了这些相关参数之后，才能利用这些数据来建立故障数据库及相关的故障模型。
期刊文章分类查询,尽在期刊图书馆
2.2采集参数运行数据
空调系统运行时，各个参数都有其正常的波动范围，如果参数波动超出这一范围，就可能发生了某种故障。通过前述理论分析或实验研究，已经能够找出各故障对应的相关参数，再将这些相关参数的数据进行分析，建立其形成某种故障的数据模型。当这些参数波动超出其正常范围，则就对应某一种故障。单纯故障的模型比较容易建立，建立多种故障的模型则比较困难，但它也是以单纯故障模型为基础的。数据采集是建库的基础工作，是一项有相当难度的研究工作，一般都在实验室中进行，主要通过仿真方式获得。当然。也不排除从真系统中得到的宝贵数据，甚至从灾难性事故记录回放中取得的教训。数据采集系统将采集来的有关空调系统运行数据先与正常状态数据库进行比较。如果属于正常数据，则采集系统继续采集数据。如果数据不正常，则进行分类、分析、统计、存档，以便于故障诊断时调用。现场数据的实时采集以及实时数据、历史数据和数据库信息的存储，是监测系统和报表管理系统运行的基础性工作，是长远性工作，随着系统运行时间的增长，系统本身获得的“经验”也是逐步积累的。
2.3建立识别系统
建立了故障模型数据库后，就要将采集来的数据与故障模型数据库对应起来，并判断出与采集来的数据最为接近的模型，经分析软件判断出故障名称。这就涉及到模型识别的问题，也即数据分类方法，就是采用什么分类方法将采集来的数据归为模型数据库中的某一类、常用的分类方法有：人工神经网络法、贝叶司法、理论选择法、统计模型法、模糊识别法等。不同的分类方法有不同的特点，所以在选择时要根据故障数据的不同特点选择合适的方法，以提高识别效率和准确度。
2.4训练和改进数据库
编制具有学习功能的系统软件，利用专家知识对系统进行训练，使系统的性能逐步提高，最后达到预期效果。例如，实现设备预防性维护的重要环节之一就是要求系统本身能自动获取设备故障的征兆。开发应用软件时，从一开始就必须重视数据库的建立完善的故障数据库对系统的成功应用起着重要的作用。
2.5应用
在空调系统停机、启动和稳定工作时，各参数的正常波动范围不同，而且不同故障在不同的运行阶段所呈现的明显程度也不同，所以，可以将检测模型分为三个模型，即停机模型，启动模型和稳定运行模型。停机模型在空调系统晚闻停机时启用，可用于检测各传感器是否正常、电压是否正常、空调主机中各种压力/油温/油位是否正常等。也即做启动前的检查，若发现问题就及时排除。启动模型适用于空调系统从开机到开机后约15min这一时间段，主要检测与制冷剂流量有关的故障，如制冷剂是否有泄漏、制冷剂管路是否堵塞等。这是因为制冷剂的故障流量特征曲线与正常流量特征曲线在这段时间内差别最明显。稳定运行模型主要用于检测在空调系统稳定运行时的故障。
结束语
现代设备管理系统的发展趋势是通过应用故障诊断技术，根据设备状态作出维修计划，使设备维修和维护做到有的放矢。以科学化、数字化的设备状态管理模式代替以往模糊的、感官化的经验型设备管理模式。设备智能化管理将为业主、用户，设备运行维护人员带来极大的利益。先进的设备管理技术是降低运行成本，节省能源和保障系统正常工作的关键。提高设备的可靠性对提高设备的效率、保证居住者利益、降低成本，提高经济效益都具有十分重要的意义、
参考文献：
[l]江亿，姜子炎.建筑设备自动化[M].北京：中国建筑工业出版社，2016.
[2]卿晓霞.建筑设备自动化[M].重庆：重庆大学出版社，2012.
[3]方斌.浅谈DDC自控系统在暖通空调领域的应用[J].建筑科学，2013.
论文作者:刘家豪
论文发表刊物:《基层建设》2018年第9期
论文发表时间:2018/6/1
标签：故障论文; 设备论文; 数据论文; 系统论文; 模型论文; 设备管理论文; 参数论文; 《基层建设》2018年第9期论文;