摘要 | 第6-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第12-20页 |
1.1 研究意义 | 第12-13页 |
1.2 空调系统 FDD 研究与应用现状 | 第13-19页 |
1.2.1 FDD 国内外研究现状 | 第13-16页 |
1.2.2 FDD 方法总结 | 第16-17页 |
1.2.3 空调系统 FDD 应用与问题 | 第17-19页 |
1.3 本文研究主要内容 | 第19-20页 |
第二章 基于 FCM 聚类灰箱模型的 VAV 空调系统故障检测 | 第20-39页 |
2.1 研究对象 | 第20-22页 |
2.1.1 变风量空调系统仿真平台 | 第20-22页 |
2.1.2 故障类型 | 第22页 |
2.2 基于 FCM 聚类灰箱模型的故障检测 | 第22-30页 |
2.2.1 故障检测方法的引出 | 第22-23页 |
2.2.2 FCM 聚类分析 | 第23-26页 |
2.2.3 空调箱故障检测灰箱模型的建立 | 第26-28页 |
2.2.4 基于 FCM 聚类灰箱模型的空调箱故障检测逻辑 | 第28-30页 |
2.3 仿真试验 | 第30-38页 |
2.3.1 故障检测的阈值确定 | 第30-33页 |
2.3.2 FCM 聚类的可行性分析 | 第33-35页 |
2.3.3 故障检测结果 | 第35-38页 |
2.4 本章小结 | 第38-39页 |
第三章 基于减法聚类与故障分类器的 VAV 空调故障诊断 | 第39-52页 |
3.1 基于减法聚类分析的新故障隔离 | 第39-46页 |
3.1.1 小波分析用于故障信号预处理 | 第39-40页 |
3.1.2 基于减法聚类的故障隔离方法 | 第40-41页 |
3.1.3 基于减法聚类的新故障隔离逻辑 | 第41-42页 |
3.1.4 新故障隔离分析结果 | 第42-46页 |
3.2 故障分类器的建立与应用 | 第46-50页 |
3.2.1 故障特性分析 | 第47-48页 |
3.2.2 故障分类器的建立与应用 | 第48-50页 |
3.3 本章小结 | 第50-52页 |
第四章 基于神经网络的传感器故障重构 | 第52-62页 |
4.1 人工神经网络的引入 | 第52-53页 |
4.2 人工神经网络简介与选择 | 第53-55页 |
4.3 基于神经网络的故障重构流程 | 第55-56页 |
4.4 故障重构仿真验证 | 第56-61页 |
4.4.1 Tsup传感器关联变量分析与故障重构 | 第56-59页 |
4.4.2 Twr传感器关联变量分析与故障重构 | 第59-61页 |
4.5 本章小结 | 第61-62页 |
第五章 总结与展望 | 第62-64页 |
参考文献 | 第64-69页 |
致谢 | 第69-70页 |
攻读学位期间的学术成果 | 第70页 |