基于支持向量数据-贝叶斯模型的冷水机组故障检测与诊断研究

本文采用了结合支持向量数据描述方法和诊断贝叶斯网络的故障检测与诊断模型,以模拟退火法优化支持向量描述方法的参数训练故障检测模型,以故障数据获取诊断贝叶斯网络结构与各节点的条件概率表构建故障诊断模型。针对螺杆式冷水机组制冷剂充注量不足、蒸发器水流量下降、冷凝器水流量下降及制冷剂水供水温度传感器偏差、冷却水出水温度传感器偏差故障,提出了支持向量数据-贝叶斯模型对5种故障检测与诊断能力,分析影响模型检测与诊断能力的因素。结果表明:SVDD-DBN模型对故障诊断效果受无故障预测模型准确度影响,且在置信度为99.7%时表现较好;对症状越独立的故障,模型诊断效果越好,制冷剂充注量不足、冷却水出水温度传感器偏差故障诊断率可达100%。