二级模糊综合评判方法在空调机组故障诊断中的应用

引言
　　
　　空调制冷的应用已渗透到社会的各个领域，空调制冷机组系统也日益复杂，设备趋于多样化和大型化，自控程度日趋提
高。而空调制冷机组系统故障产生的现象也之增多，且其带来的损失也在增大。因此，进行空调制冷机组系统的故障机理研究分析，建立有效、准确的故障判断模式，对空调制冷机组系统实时在线监控、故障先兆预测和系统的优化运行显得十分重要。经过大量研究，提出了多种故障诊断方法，如小波分析、专家系统和神经等^[1，2]。由于空调制冷机组结构的多样性以及故障症状与故障原因之间关系的复杂性，即同一种故障症状往往对应着多种故障原因，同一种故障原因又地应着多种故障症状，使传统的诊断方法在实际应用中暴露出它们的局限性。而模糊诊断方法是以模糊数学为基础的故障识别方法，所要解决的问题是根据空调制冷机组运转中观察到症状来判断所发生的故障。由于这种诊断方法比较符合人类的思维方式，能克服机器设备复杂所带来的困难，因此具有较强的实用价值。目前已被运用到空调制冷机组系统的故障诊断中^[1]。但所采用的均为一级模糊综合评判方法，对于空调制冷机组整机系统，故障症状较多，致使权数分配偏细，难以达到准确。本文在空调制冷机组故障原因与症状之间的关系进行分析的基础上，把故障症状分为不同的类型，利用二级模糊综合评判方法对空调制冷机组的故障进行诊断。
　　
1 制冷机故障二级模糊综合评判原理
　　
　　1．1 故障原因
　　空调制冷机组系统故障原因很多，这里只讨论在整个循环系统设计、匹配都正确合理时的情况。因为在实际的空调制冷机组装置中因系统设计匹配不合理而引起运行故障的情况是不多的。根据空调制冷机组系统的组成，这里将空调制冷机组系统分为压缩机、冷凝器、蒸发器、膨胀阀、制冷剂与润滑油、管路与阀门这六个部分分别加以考虑。
　　选取较主要，典型的38种故障原因，构成故障原因集：
　　
　　　　　　　　X=（X₁，X₂，…，X_i…，X₃₈）

　　1.2 故障症状集
　　经过考察发现，异常现象可通过维修人员的看（观察水、制冷剂温度表和压力表）、听（用细长金属棒或长螺丝刀在制冷机外表面诊听声音）、模（凭手指感觉配气机构等工作情况和机器振动）等感管手段获得，并考虑到人脑的思维类似一种模糊过程，选用这一类型的故障症状。
　　空气制冷机组异常现象有压缩机异常、换热器（冷凝器、蒸发器）异常、节流机构异常、吸排气温度异常、吸排气压力异常等类别。本文有关^[3，4]，结合空调制冷机组的实际情况，归纳整理出六大类32条故障症状构成症状（征兆）集U，U=（U₁，U₂，…，U₆），如表1所示。
　　　症状子集　　U₁=（Y₁，Y₂，……，Y₈）
　　　　　　　　　U₂=（Y₉，Y₁₀，……，Y₁₅）
　　　　　　　　　U₃=（Y₁₆，Y₁₇，……，Y₁₉）
　　　　　　　　　U₄=（Y₂₀，Y₂₁，……，Y₂₃）
　　　　　　　　　U₅=（Y₂₄，Y₂₅，……，Y₂₉）
　　　　　　　　　U₆=（Y₂₀，Y₃₁，……，Y₃₂）
　　
　　　　　　　　　　空调制冷机组故障症状及其分类　　　　　　　　　　　　　　　　　　　　　　　　　 表1

　　各个症状在评判中所起的作用，亦即重要程度是不一样的。有些症状的出现与否将判定某故障是否产生。为了反映征兆间在重要程度上的差异，就需要赋予各症状以权重。权重的获得是由领域专家凭经验进行人为确定的，并在诊断过程中用诊断实例加以验证，修正。
　　设第i个症状子集的症状权重集为：
　　　　　 　　　　　　　　　　　　　　（1）
　　　　其中　　　　　 　　　　　　　　　　　　　　　　　　　（2）
　　式中：n为症状子集中的症状个数，不同症状子集中的症状个数可以不等，即不同的i中n值不等;
　　　　　μ_ij表示第i个症状子集的第j个症状对该症状子的隶属度;
　　　　　a_ij为归一化后的隶属度,即权重.
　　各症状子集在确定故障原因时所起的作用也是不同的,对症状子集也要赋以权重:

　　　　　　　　A=(a₁,a₂,…，a₆)　　　　　　　　　　　　　　　　　　　　　　　 （3）
　　
　　1.3 二级评判模型
　　
　　根据模糊数学原理可以得到症状子集和故障原因之间的模糊关系为：
　　　　　　　　 　　　　　　　　　　　　　　 　　　　　　　　　　（4）
　　式中" "为模糊逻辑算子，是由征兆一故障原因隶属度构成的模糊诊断矩阵。
　　　　　　　 　　　　　 　　　　　 　　　　　 　　　（5）
　　
　　式中：矩阵元素r_ijk表示第i 种征兆对第k种原因的隶属度。
　　　　　p为故障原因集中的故障原因个数，p=38。模糊诊断矩阵R_i中各元素取值的大小与实际情况的符合程度直接影响诊断效果。因此，如何确定隶属函数（或隶属度）是整个诊断的关键。目前确定隶属函数的方法很多，主要为^[5-7]：
　　　　1）根据调查统计结果得出的经验曲线作为隶属函数，如模糊统计试验法和二元对比排序法等；
　　　　2）根据问题的性质，选用某些典型函数作为隶属函数；
　　　　3）根据主观认识或个人经验，给出隶属度的具体数值；
　　　　4）利用动态信号处理的结果，经过适当转换得到隶属函数。
　　本文利用第三种方法，根据故障症状与原因之间的关系和有关专家的经验来确定隶属度的具体数值。
　　　 　　　　（6）
　　上式求得的B_i是第i个征兆子集对原因集X的单因素评价集。它相当于进行二级评判时的诊断矩阵R的第i个行向量。
　　　　 　　　　　　　　　 　　　　　 　　　　　　 （7）
　　
　　式中：m为征兆子集数，即m=6。
　　二级模糊综合评判集为：
　　　　 　　　　　（8）
　　评判指标b_j(j=1,2,…,p)求得后，即可按最大隶属度法、加权平均法、模糊分布法和阈值原则等四种方法确定评判对象的具体结果。本文采用第四种方法。设定一个阈值u，若b_i≥u,则可初步确定有X_i故障原因。再输入有关症状，进一步确诊。