| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 主要符号说明 | 第15-17页 |
| 1 绪论 | 第17-33页 |
| 1.1 研究背景 | 第17-18页 |
| 1.2 故障与FDD方法 | 第18-24页 |
| 1.2.1 故障的定义、分类与性质 | 第18-19页 |
| 1.2.2 FDD基本概念 | 第19-20页 |
| 1.2.3 FDD在HVAC领域的发展历史 | 第20-21页 |
| 1.2.4 FDD方法综述 | 第21-24页 |
| 1.3 HVAC系统FDD的国内外研究现状 | 第24-29页 |
| 1.3.1 冷水机组 | 第24-27页 |
| 1.3.2 其它HVAC设备的FDD应用 | 第27-29页 |
| 1.4 存在的问题 | 第29-30页 |
| 1.5 本文的研究内容 | 第30-33页 |
| 2 冷水机组典型故障及其分析 | 第33-41页 |
| 2.1 概述 | 第33页 |
| 2.2 冷水机组工作过程 | 第33-34页 |
| 2.3 冷水机组典型故障 | 第34-36页 |
| 2.4 冷水机组典型故障分析 | 第36-39页 |
| 2.4.1 冷却水量减少（fwc） | 第37页 |
| 2.4.2 冷冻水量减少（fwe） | 第37页 |
| 2.4.3 制冷剂泄漏/充注不足（rl） | 第37页 |
| 2.4.4 制冷剂充注过量（ro） | 第37-38页 |
| 2.4.5 冷凝器结垢（cf） | 第38页 |
| 2.4.6 存在非凝性气体（nc） | 第38页 |
| 2.4.7 过量的润滑油（eo） | 第38-39页 |
| 2.5 本章小结 | 第39-41页 |
| 3 基于融入距离拒绝和多源非传感器信息的BN的FDD方法 | 第41-59页 |
| 3.1 概述 | 第41-43页 |
| 3.2 用于FDD的BN | 第43-47页 |
| 3.2.1 贝叶斯定理 | 第43页 |
| 3.2.2 BN的拓扑结构 | 第43-44页 |
| 3.2.3 BN中的独立性假设 | 第44-45页 |
| 3.2.4 BN的推理 | 第45页 |
| 3.2.5 条件高斯网 | 第45-46页 |
| 3.2.6 FDD转化成一类划分 | 第46-47页 |
| 3.3 融入DR和MI的BN | 第47-53页 |
| 3.3.1 融入DR机制的BN | 第47-51页 |
| 3.3.2 融入MI的BN | 第51-52页 |
| 3.3.3 DR和MI在FDD中的作用机制 | 第52-53页 |
| 3.4 基于融入DR和MI的BN的FDD方法 | 第53-57页 |
| 3.4.1 提出的FDD方法的流程 | 第53-56页 |
| 3.4.2 FDD规则 | 第56-57页 |
| 3.5 本章小结 | 第57-59页 |
| 4 现场冷水机组传感器安装现状调研 | 第59-67页 |
| 4.1 概述 | 第59页 |
| 4.2 现场冷水机组安装的传感器现状调研 | 第59-62页 |
| 4.3 现场冷水机组安装的传感器现状调研结果 | 第62-66页 |
| 4.4 本章小结 | 第66-67页 |
| 5 基于现场应用和BN的表征冷水机组故障的特征选择 | 第67-83页 |
| 5.1 概述 | 第67-68页 |
| 5.2 基于DR-BN的FD方法 | 第68-69页 |
| 5.3 保留的既有特征的确定方法 | 第69-72页 |
| 5.3.1 提名可保留的既有特征 | 第69-70页 |
| 5.3.2 可保留的既有特征的评价流程 | 第70-71页 |
| 5.3.3 保留的既有特征的确定准则 | 第71-72页 |
| 5.4 增补特征的确定方法 | 第72-74页 |
| 5.4.1 提名增补特征 | 第72页 |
| 5.4.2 提名的增补特征的评价流程 | 第72-73页 |
| 5.4.3 增补特征的确定准则 | 第73-74页 |
| 5.5 ASHRAE RP-1043 故障实验简介 | 第74-76页 |
| 5.6 特征选择结果与讨论 | 第76-81页 |
| 5.6.1 实验数据与数据预处理 | 第76-77页 |
| 5.6.2 DR-BN的结构和参数确定 | 第77-78页 |
| 5.6.3 保留的既有特征的确定结果 | 第78-79页 |
| 5.6.4 增补特征的确定结果 | 第79-81页 |
| 5.7 本章小结 | 第81-83页 |
| 6 基于DR-MI-BN的FDD方法在冷水机组中的应用 | 第83-97页 |
| 6.1 概述 | 第83页 |
| 6.2 特征选择与数据预处理 | 第83-84页 |
| 6.3 DR-BN和DR-MI-BN的结构和参数 | 第84-87页 |
| 6.3.1 结构的确定 | 第84-86页 |
| 6.3.2 参数的确定 | 第86-87页 |
| 6.4 故障检测结果 | 第87-88页 |
| 6.5 故障诊断结果 | 第88-92页 |
| 6.5.1 仅使用传感器数据的故障诊断结果 | 第88页 |
| 6.5.2 使用传感器数据和多源非传感器信息的故障诊断结果 | 第88-89页 |
| 6.5.3 识别新故障的结果 | 第89-92页 |
| 6.6 FDD结果对先验概率的敏感性分析 | 第92-93页 |
| 6.7 与相似研究的FDD性能比较 | 第93-95页 |
| 6.7.1 与基于SVDD方法的FDD性能比较 | 第93-94页 |
| 6.7.2 与基于模型/规则方法的FDD性能比较 | 第94-95页 |
| 6.8 提出方法的进一步潜在应用 | 第95页 |
| 6.9 本章小结 | 第95-97页 |
| 7 基于灰色相似关联分析的冷水机组FDD | 第97-117页 |
| 7.1 概述 | 第97-98页 |
| 7.2 灰色相似关联分析（GSRA） | 第98-99页 |
| 7.2.1 灰色相似关联度（GSRD） | 第98-99页 |
| 7.2.2 用于FDD的GSRA | 第99页 |
| 7.3 基于GA的综合参考故障模式构建 | 第99-100页 |
| 7.4 最佳相似关联度阈值iR的确定 | 第100-101页 |
| 7.5 基于GSRA的FDD方法 | 第101-104页 |
| 7.5.1 提出的FDD方法的流程 | 第101-103页 |
| 7.5.2 FDD规则 | 第103-104页 |
| 7.6 实验验证与分析 | 第104-114页 |
| 7.6.1 特征选择与数据预处理 | 第104页 |
| 7.6.2 综合参考故障模式的构建 | 第104-108页 |
| 7.6.3 最佳相似关联度阈值的确定 | 第108页 |
| 7.6.4 故障检测结果 | 第108-109页 |
| 7.6.5 故障诊断结果 | 第109-112页 |
| 7.6.6 FDD性能评价 | 第112-114页 |
| 7.7 本章小结 | 第114-117页 |
| 8 结论与展望 | 第117-121页 |
| 8.1 结论 | 第117-119页 |
| 8.2 创新点 | 第119-120页 |
| 8.3 展望 | 第120-121页 |
| 参考文献 | 第121-137页 |
| 致谢 | 第137-139页 |
| 攻读博士学位期间的科研成果 | 第139页 |
