空调系统故障实验及诊断规则研究★

党建超，刘昌海,冯 宇，朱佳健，李 敏，林阳阳

(郑州大学土木工程学院，河南 郑州 450001)

0 引言

空调系统的故障会带来设备性能下降、能源消耗增加及设备寿命缩短等一系列问题，因此对空调系统的故障诊断研究具有很高的必要性。根据ROTH等[1]的研究，解决空调系统故障可以带来明显的能源消耗降低，故障诊断研究不仅能帮助快速解决空调故障，对节能环保等[2]问题同样意义重大。

对空调系统的故障诊断研究开始于20世纪90年代，ROSSI[3]等通过大量研究建立了故障诊断规则，较早地发展了暖通空调系统方面的故障检测与诊断研究。后续经过数十年的发展，一系列的故障诊断方法被提出。基于专家规则的方法是其中具有代表性的一种，它通过建立描述变量之间关系的规则集合来实现故障诊断，例如赵蕾[4]、孟小忖[5]提出了在不同运行模式下基于专家规则的一次回风空调系统故障诊断方法，王海涛等[6]开发了基于规则的变风量空调箱故障诊断系统，黄荣庚[7]提出了基于规则的故障检测方法，用于数据中心的制冷剂泄漏检测。这种方法的优势在于简单易用，有不可替代的实用性。

近年来随着机器学习算法的发展，出现了基于数据驱动的故障诊断方法，它通过使用机器学习算法提取正常工况下的历史数据特征，根据当前数据与历史数据特征的一致性实现故障诊断。例如庞义旭等[8]研究了运用数据驱动的方法实现变风量空调系统的模型建立及故障诊断。赵鹏程[9]进行了基于数据驱动的空调传感器故障研究，促进了空调系统故障诊断的发展。郭亚宾[10]提出了基于数据驱动的多联机系统故障检测与诊断方法，丰富了多联机系统的故障诊断方法。它相较于专家规则在故障诊断的准确性及灵敏性方面有比较大的提高，但缺点在于需要大量的历史数据来进行训练，而数据的大量获取存在困难。

暖通空调系统由于其多样性和复杂性，建立通用的故障诊断方法存在较大困难[11]，目前专家规则方法在典型故障的故障诊断中应用较少，本研究为丰富相关内容，对易发生的几种故障开展了细致的研究，目的在于实现对典型故障的快速检测与诊断。

1 实验介绍

本研究针对空调系统运行过程中易于出现的几种故障进行了专门的研究。空调系统构成复杂，易发生多种故障，常见的故障有制冷剂不足、过滤网堵塞、空调漏水、空调异味、冷却水不足、传感器失灵等等。这些故障根据是否有器件损坏、是否易感知、是否易于监测等标准可分为不同的类型，故障诊断是借助空调运行数据来实现，因此所诊断的故障类型必须在运行数据上有体现。比如冷却水不足将引起冷却水温升高，而水温是可监测的，比如空调异味虽然常见但却难以用传感器监测，所以对它的诊断存在困难。综合考虑故障的常见性及数据采集的可实现性，我们选取冷却水和冷冻水流量减小、冷冻水和冷却水传感器故障这四种故障作为本研究的故障诊断对象。

实验过程中，通过采集各监测点的数据，对比正常数据与故障数据的变化，结合相关专业知识，整理出了故障与特征参数变化的对应关系，所采用的实验装置如图1所示。

本实验装置由三个循环构成，分别是制冷剂循环、冷冻水循环、冷却水循环。在循环中多处布置了温度测点，布置位置在图1中表示。本实验装置能够获得多种温度，包括压缩机的吸气和排气温度、蒸发温度、冷凝温度及冷冻水和冷却水的水温。数据采集实验分为正常数据采集和故障数据采集两部分进行，实验台自动记录数据，选择制冷模式运行。在实验过程中为保持工况的一致性，正常数据与故障数据采集连续进行。试验台稳定运行后，开始记录正常数据，数据量满足实验计划以后，开始引入故障采集故障数据，选取的故障类型及每种故障的引入方式如表1所示，单次只引入一种故障，故障数据量与正常数据量保持一致。通过对设置在此循环各处的温度传感器进行数据采集，获得了运行过程中的多种数据，以此组建了空调系统运行数据库。

表1 故障类型及引入方式

2 结果分析

图2展示了发生温度传感器故障时的关键温度变化曲线，故障包含有冷却水传感器故障和冷冻水传感器故障。在图2(a)中，正常运行阶段冷却水温由于房间热负荷较大逐步上升，且上升趋势保持相对稳定，引入故障再次稳定后，冷却水温逐渐趋近于室外温度。分析出现此种现象的原因可知，引入故障时将传感器脱离测点而放入空气中引起了测量对象的变化，所以引入故障后传感器反映的是室外温度。图2(b)中，在正常运行阶段，冷冻水温稳定于一个较低的温度，引入故障再次稳定后同样趋于室外温度。从图2中的结果可以得出，当传感器发生故障时两种传感器监测温度均趋向于室外环境温度，这是它们的一致性。

图3展示了冷却水流量减少故障引起的各关键温度的变化。在图3(a)中，正常运行阶段各温度均处于稳定状态，将冷却水流量减少为1/2引入故障后，冷却水温和冷凝温度变化明显，两者都明显升高，且变化速度都是先大后小。出现这种现象是因为冷却水流量减小以后，制冷剂释放的冷凝热不能被冷却水及时带走散发给环境，引起冷却水温升高，冷却水与高温制冷剂的换热随之减弱，冷凝温度受此影响而升高。对于压缩机吸气温度，故障前后变化趋势几乎不变，可以认为该故障带来的影响不明显。在图3(b)中，正常运行与故障运行阶段压缩机排气温度始终处于升高状态，但引入故障后曲线斜率出现明显变化，这是由于冷却水箱中排气的冷却阶段被削弱，给排气的降温带来了阻力，所以才出现了相对升温更快的变化趋势。

图4展示了冷冻水流量减小故障时引起的各关键温度的变化。在图4(a)中，正常运行阶段冷冻水温和压缩机吸气温度均处于稳定增长的状态，将冷冻水流量减小为1/2引入该故障后再次进入稳定阶段，这两者均改变了原有的变化趋势，不再保持增长而趋向于稳定。出现这种变化是因为冷冻水流量减小以后制冷剂产生的冷量不能被及时带走，冷量积累引起冷冻水温改变以往增长趋势，压缩机吸气温度对应变化，两者由于关联性较强变化趋势保持一致。在图4(b)中，受压缩机吸气温度变化的影响，排气温度升高趋势减缓并逐渐稳定。同时由于蒸发器中冷冻水温相对降低导致蒸发过程被削弱，制冷量随之减少，蒸发温度受影响出现了降低的趋势。

3 规则和故障诊断方法

我们针对所研究的冷却水流量减少、冷冻水流量减少、冷却水传感器故障及冷冻水传感器故障这四种故障进行数据分析，发现当发生这些故障时会对冷却水温、冷凝温度、压机排气温度、冷冻水温、蒸发温度等参数产生影响。以此为基础，为了区分空调是否发生故障以及发生了怎样的故障，我们结合相关理论知识，制定出了以下规则，如表2所示。

表2 故障诊断规则

当发生冷却水流量减小故障时，由于制冷剂释放的热量不能被及时带走，引起了冷却水温的升高，高温制冷剂得不到较好地冷却就进入冷凝过程，冷凝温度会升高，同时由于此换热过程的削弱，高温侧温度不能较快地降低，压缩机排气测点的温度也随之升高。对于诊断规则1，如果冷却水温高于正常工况下的冷却水温超过一定数值，则可判定冷却水温这一参数达到故障状态，经分析实验台实际运行数据，正常工况下冷却水温为34 ℃，将阈值ε1确定为2可以排除数据波动的影响；对于规则2，如果冷凝温度高于正常工况数据超过一定数值，则可判定冷凝温度这一参数达到故障状态，正常工况下冷凝温度为35.2 ℃，阈值ε2确定为3可以排除数据波动的影响；对于规则3，对试验台进行大量实验发现稳定状态下压缩机排气温度增长曲线斜率趋于稳定，当斜率变大时可以判定这一参数达到故障状态。

当发生冷冻水流量减小故障时，制冷剂产生的冷量不能及时被带走，会引起冷冻水温的下降，温差减小使蒸发过程被削弱，制冷剂蒸发变慢，蒸发温度受此影响而降低。对于诊断规则4，如果冷冻水温低于正常工况数据一定数值，则可判定冷冻水温这一参数达到故障状态，正常工况下冷冻水温为25.2 ℃，阈值ε3取0.2可以排除数据波动的影响；对于规则5，当蒸发温度低于正常工况数据的一定数值时判定为发生故障，正常蒸发温度为-3.66 ℃，阈值ε4取为0.2可排除数据波动影响。

当发生冷却水传感器故障时，对应的传感器脱离温度测点，暴露于空气中，经过一段时间后将与室温一致。冷冻水传感器故障时与此种故障内在原因相同，最终温度也表现为与室温一致。规则6与7表示冷却水温和冷冻水温围绕环境温度波动，阈值ε5和ε6均取为0.4可实现较准确的判定。

该规则用于故障诊断时，将对应数据代入相应规则判断是否成立，如果同时满足某个故障对应的所有规则即可判断为发生相应故障，由于不同种类故障诊断时所用到的参数种类不同、所对比的方法不同，采用此种方法仍可准确诊断出故障种类。经大量实验，本实验积累了较多相同外界工况时的系统运行数据，并将它们归类整理成了数据库，用于诊断规则准确性的检验。通过对上述规则进行检验发现此规则用于故障诊断时的正确率均达到了较高水平，检验结果如图5所示。其中两种传感器故障由于原理清晰、易于分析，加上阈值设置合理等因素，正确率分别为85.20%和94.01%，处于较高水平。两种流量减小故障受限于数据采集的精确性、参数的多样性及故障与参数变化对应的复杂性，较难以达到与另两种相当的正确率。但仍达到了64.58%和80.00%，仍然具有较高的实用价值。

4 结论

本研究经过对四种典型的空调系统故障进行数据分析，帮助读者更深入理解故障发生引起的相关参数变化趋势及内部机理。同时结合相关专业知识编写专家规则实现了对故障的诊断，有良好的效果，并得出如下结论：

1)空调系统发生冷却水及冷冻水传感器故障时，表现为对应的温度由原本的稳定状态变化到稳定于环境温度；发生冷却水流量减小故障时，表现为冷凝温度及冷却水温升高；发生冷冻水流量减小故障时，表现为蒸发温度及冷冻水温降低。

2)发生冷却水流量减小及冷冻水流量减小故障时，所写规则故障诊断正确率达到80%和64.58%；发生冷却水传感器及冷冻水传感器故障时，所写规则故障诊断正确率达到94.01%和85.20%，均处于较高水平。