科研之友
微信
新浪微博
Facebook
分享链接
摘要
空调系统的故障诊断是维持空调系统正常运行、降低建筑能耗、提升空调系统设备使用寿命的重要手段。其中，冷冻机房内的设备和系统造价及耗能占比较高，因此冷冻机房内设备和系统的故障诊断是空调系统故障诊断中至关重要的一部分。现有的针对冷冻机房内设备和系统的故障诊断研究大多依赖于建筑自动系统(BA)采集的传感器数据，传感器在实际应用中常因自身损坏和通信故障导致BA系统无法获取准确信息，而大部分大型设备中自带且更为可靠的机械表数据却没有被纳入到自动监测中。利用基于图像的故障诊断算法，以故障状态监测为目的，以冷冻机房比较普遍的日常巡检任务为切入点，以实现利用能够采集图像的巡检机器人对冷冻机房的主要设备进行自动巡检，达到空调系统的智能化管理为愿景，开发多种自动化的故障诊断算法模块。这些诊断模块具有非侵入、成本低、易部署等优点。基于图像的算法进行温度和压力表盘的示数读取。先利用迁移学习，关闭特征层的梯度更新的方式训练一个AlexNet卷积神经网络，对冷冻机房中的表盘、卧式水泵、立式水泵、压缩机4种主要设备进行分类。对于温度和压力表盘，利用图像二值化、最大连通域提取、形态学处理和边缘检测等多种图像处理方法获取指针图像，再基于区域划分利用三角函数计算指针夹角，并换算得到表盘示数。该算法在实践中读数准确率较高，可以监测温度和压力示数来判断异常和故障。
- 出版日期2023
- 单位佛山供电局; 同济大学
