一、空调器电气系统故障判断(论文文献综述)
赵力蕃[1](2020)在《基于冷库制冷系统的结霜故障诊断与预测研究》文中研究表明食品冷链的发展离不开冷库的使用,但冷库造成的能耗也不容忽视,而其中的制冷机组是主要能耗设备,尤其是在机组故障时,会增加系统能耗,使设备的使用寿命减少。因此,对制冷系统的故障预测和诊断技术非常重要,要在故障发生时及时、准确的判断出故障类型,甚至在故障发生前预判故障,以避免故障的发生。由于目前制冷领域的故障诊断与预测技术多为对空调的研究,对制冷系统用于更低温度下的研究较少,且将蒸发器结霜作为故障类型进行的模式识别研究也很少,因此,本文选择冷库中非常常见且难以避免的蒸发器结霜故障为主要研究内容进行模式识别和故障分类。目前用于故障诊断的方法分为解析模型、知识、信号处理和数据挖掘的方法。大数据时代的到来使故障诊断可以采用数据挖掘的方法,不仅能够根据数据随时更新故障诊断模型,而且相对简单。数据挖掘算法中现在很热门的深度学习的基础就是神经网络,且神经网络不仅用于数据挖掘,在人工智能和模式识别方面都有广泛的应用,因此本文采用神经网络算法对冷库制冷系统的蒸发器结霜过厚故障建立诊断与预测模型。首先,对蒸气压缩式制冷系统进行热力学分析和主要渐变型故障的理论分析,选取系统运行和判断故障需要的特征参数用于实验中测量参数的确定,取主要故障中的蒸发器结霜故障进行故障程度的诊断与预测,并将结霜的实验数据根据制冷量的降低量分为轻度结霜、中度结霜、重度结霜三个程度。然后,对18个不同工况下获得的127620组结霜实验数据分别建立BP神经网络和Elman神经网络、PCA-BP神经网络和PCA-Elman神经网络模型,仿真结果显示:(1)降低目标误差可以使模型故障诊断的效果更好,训练精度更高。(2)十次十折交叉验证能够提高BP神经网络和Elman神经网络的模型测试集的准确率,有效减少了过拟合,模型性能更好,泛化能力更高。BP神经网络的性能在有和无十折交叉验证的情况下,其最优网络准确率都略高于Elman神经网络,但Elman神经网络的训练时间较短,速度较快。对比有和无十折交叉验证的BP神经网络和Elman神经网络发现,有十折交叉验证的Elman神经网络更好,其训练集、验证集和测试集的准确率都较高,而且训练时间相对有十折交叉验证的BP神经网络少约11h。(3)相同模型参数下的Elman神经网络和BP神经网络的训练集、验证集准确率相差不大,但Elman神经网络测试集的准确率更稳定。(4)对比PCA-BP神经网络和BP神经网络可见PCA-BP神经网络可以在保证准确率的同时缩短模型训练时间。对比PCA-Elman神经网络和Elman神经网络可见训练时间差得多时,PCA-Elman神经网络测试集准确率更高,即泛化能力更好。(5)PCA-BP神经网络和PCA-Elman神经网络训练集和验证集准确率相差不大,但最优情况下,PCA-Elman网络测试集准确率为93.167%,高于PCA-BP网络的91.279。且PCA-Elman神经网络相对Elman神经网络来说训练集、验证集和测试集的准确率都更高,训练时间相差不大,所以PCA-Elman神经网络训练模型的性能更佳。因此,在选择模型的时候可以选用最佳隐含层节点数下的PCA-Elman模型进行十次十折交叉验证,取最优结果。(6)所有模型的准确率都可以达到90%以上,都具有良好的诊断性能。并且通过比较不同训练函数时PCA-Elman神经网络的结果,选择训练时间更短、泛化能力较高的trainbr训练函数进行十折交叉验证,其最优结果的泛化能力均高于之前的最优结果,且训练时间相对其他十折交叉验证的网络缩短将近十分之一。因此,相比之下,在最佳隐含层节点数下,采用trainbr训练函数建立PCA-Elman神经网络模型能够达到更好的诊断效果。
张善兴[2](2018)在《变频空调系统热力故障的实验研究》文中指出随着社会的快速发展和人们日益增长的美好居住环境的需要,变频空调系统因其良好的舒适性和控制灵活等优点在目前空调市场占据极高的比重。但是变频空调系统可能会发生各种故障,导致系统的能耗增加,安全性和舒适性下降。因此有必要对变频空调系统的故障进行研究,探索不同类型故障的特性,继而开发出相应故障的检测与诊断策略,使之能够准确地检测到故障的发生,并识别故障类型,从而采取相应措施,提高系统的运行效率。本文搭建了变频空调系统热力故障模拟实验台,对变频空调常见的压缩机阀泄漏、冷凝器结垢、蒸发器风量不足和液体管路阻力增大4类热力故障进行了模拟实验。实验结果表明,4种热力故障都会降低变频空调系统的性能。且故障的特性不仅受室内外温度的影响,还受到压缩机运转频率的影响。通过分析不同工况、不同频率下的实验结果,总结了变频空调系统4类热力故障的故障特征和特性。本文采用主成分分析法(Principal Component Analysis,PCA)对不同运行条件下定频运行和变频运行的空调系统的4类热力故障进行了检测,并讨论了统计量类型对检测结果的影响。针对变频空调系统运行参数的时变性和主元分析法模型静态固定的矛盾,提出了基于决策树的运行条件自适应PCA故障检测模型,并验证了其对于变频空调系统故障检测的有效性。结果表明当系统定频运行时,PCA模型可以检测出空调系统4类热力故障的发生,其检测效果受模型统计量类型的影响。在系统变频运行下,PCA模型无法检测出故障的发生,而基于决策树的PCA改进方法可以有效检测出4类热力故障,其检测率达到97%以上。主元分析法及其改进方法都只能有效地检测出故障的发生,而不能识别故障的来源,无法为后续的维护提供有效的指导。因此本文利用思维进化算法优化神经网络的方式,对变频空调的4种热力故障进行诊断。诊断结果表明,优化模型可以有效分离出4类热力故障,相比于神经网络模型具有更高的诊断正确率,可达到90.5%。
刘源劲[3](2013)在《基于工作过程导向的中职《制冷与空调设备安装与维修》课程设计》文中指出文章阐述了基于工作过程导向的中职《制冷与空调设备安装与维修》课程设计、框架建构的思路,以家用电冰箱、空调器为载体,以"工作任务"为主线,充分利用各种教学条件,采用多种教学方法与手段,注重职业能力考核,多种考核形式相结合。
吴雷,阳丽[4](2013)在《空调器电气与控制系统教学的思考》文中研究指明空调器电气与控制系统部分是整个空调器教学中十分重要的内容,作者通过理论与实践教学,发现了当下在空调器教学中遇到的问题,并反思总结了一些有意义的经验做法。
孙建军[5](2013)在《浅析变频空调器的工作原理与维修技巧》文中提出变频空调器与传统空调器定频空调器最主要的区别是前者增加了变频器。变频空调器是通过改变压缩机的频率,使制冷压缩机电动机的转速在较大的范围内调节,比定频空调器更节能。本文阐述了变频空调器的工作原理与维修技巧。
郅永春[6](2013)在《美的天钻星系列新型绿色柜式空调器常见故障的维修(六)》文中研究说明h室外风机转速过低或不转。③吸气压力升高的原因制冷系统吸气压力与蒸发温度相互对应,实际上吸气压力与排气温度也相互对应,即吸气压力高,排气压力也相应提高,反之则低,有以下几种具体情况:a.制冷状态下吸气压力升高的原因。a电子膨胀阀开启度过大。b室外环境温度过高。c系统中有空气或制冷剂过量。d室外风机速度过低或不转。e室外机散热器过脏。f压缩机吸、排气效率下降。
郅永春[7](2013)在《美的天钻星系列新型绿色柜式空调器常见故障的维修(四)》文中认为c.吸、排气阀片的工作频率提高,容易造成金属疲劳,曲轴每转动1周,吸、排气阀片就要开启、关闭1次,且动作非常频繁,平均每秒启、闭50次左右,所以对阀片要求很严格的。吸、排气阀损坏的原因为阀门材质不良,造成在运行工作中变形翘曲与阀座贴合面产生缝隙,阀片在长期使用中,由于过热和磨损不平,使阀座与阀片之间出现缝隙,造成压缩机在工作过程中制冷剂以气体状从缝隙中泄漏,排气量减少,排气压力降低,制冷(热)量下降,制冷(热)效果变差。在维修过程中,应避免过多填充制冷剂,造成液击打裂阀片,或由于装配不正确,上止点间隙过小,导致在工作中阀片损坏。阀片局部断裂,可使弹力不均匀,阀片
韩华[8](2012)在《基于顺序集成方法的制冷系统故障检测与诊断研究》文中指出鉴于制冷空调系统日益复杂,系统故障难以识别,且会导致能耗增加(多达30%),室内外环境恶化,设备可靠性、安全性及运行经济性下降等诸多问题,有必要对故障检测及诊断进行相关研究,以便及时排除故障,保证系统正常运行。本研究围绕制冷系统故障检测与诊断问题,从故障指示特征智能提取,到制冷系统单发及并发故障(多故障),顺序递进,集成故障诊断、数据挖掘及模式识别领域各种智能方法,实现检测与所有故障确诊一步完成,对轻微故障亦性能良好,诊断正确率高,虚警率及诊断用时少;并基于混淆矩阵建立了故障诊断模型评价指标,探讨了能较好表征典型故障的故障指示特征。首先,对制冷系统及其典型渐变故障进行理论分析,初步了解征兆与故障(症状与原因)间的理论联系,结合ASHRAE的制冷机组故障模拟实验,探讨制冷系统故障指示特征智能提取方法,以期找到能较好表征故障的参数(集),减轻乃至消除特征间相关度,去除信息冗余,使故障更加清晰地呈现,有利于模型对故障的分离和识别,缩短诊断时间,提高诊断准确率。分别运用基于互信息(MI)的最大冗余最小相关过滤模型(MI-based mRMR filter)、基于遗传算法的封装模型(GA-LDA wrapper、GA-SVM wrapper)进行特征选择,运用主成分分析法(PCA)进行特征提取,得到不同的故障指示特征子集,并在后续章节的分析中逐步筛选出最佳子集。其次,针对制冷系统中典型的单发故障,运用故障指示特征智能提取与一种基于结构风险最小化的新型机器学习方法——支持向量机(SVM),相结合的顺序集成模型,进行故障检测与诊断,并基于混淆矩阵(Confusion matrix)建立以诊断正确率(CR)、命中率(HR)及虚警率(FAR)为核心的故障诊断模型评价体系,评价模型对于所有样本的总体性能及对包括正常及各类故障的诊断效果(分布性能),命中及虚警情况。结果表明,SVM的故障检测与诊断性能优于故障诊断决策树模型(C4.5),CR达99%以上。GA-SVM封装模型从64个原始特征中所选之8个故障指示特征较其他各种智能提取模型所选特征子集更为突出,在SVM模型及C4.5模型中均表现优良。对特征数的研究表明,不论原始特征抑或经PCA提取的综合特征,特征数越少,故障检测与诊断模型的训练及测试时间越短,但特征数与模型性能之间并非单调关系,特征太少可能造成信息缺失而降低诊断正确率,特征太多增加冗余信息而对故障诊断造成干扰,使模型鲁棒性下降。通常,所选特征数应至少等于包含正常运行及所有故障在内的独立类别数。基于PCA的特征提取只有当所选主元累计方差贡献率超过95%时,效果好于不进行任何智能特征提取的64个原始特征,但亦不及大多特征选择模型。冷凝器结垢、冷凝器水量不足、不凝性气体及蒸发器水量不足四种故障较易被检测与诊断,即使发生程度很轻微,而制冷剂泄漏及过量故障最难被命中,单纯SVM模型对该两类故障尤为难以识别,而GA-SVM模型则极大改善该性能。第三,就多故障并发时的检测与诊断,提出基于多标识(multi-label)数学解耦技术与SVM顺序集成的模型,并以制冷系统冷凝器水量减少20%、蒸发器水量减少20%的并发故障为例,研究模型性能。发现该模型仅用正常及两类单发故障数据而不用并发故障数据训练,即可对并发故障加以检测及诊断,效果良好,尤其在采用前文述及之8个最佳故障指示特征时。研究亦表明,尽管冷凝器侧水流量及蒸发器水环路阀位两个特征分别可独立表征并发故障中的两类单发故障(子故障),在并发故障的检测与诊断中却无能为力,必须借助其他参数的表征性能。另,提出采用一种较PCA有所改进的多变量统计分析法——指定元分析法(DCA),用于并发故障检测与诊断,但对故障投影方向(指定元)的定义极大地依赖于专业经验及知识。最后,以一台额定制冷量16.8kW的风冷热泵水机为受试对象,通过能量平衡并引入故障模拟管路及元件,建立了制冷系统故障诊断专用实验台,可以模拟包括制冷剂泄漏、充注过量、液体管路受阻、压缩机吸排气串通、蒸发器水量不足、冷凝器风量不足、冷凝器结垢、膨胀阀预紧力太大或太小等制冷系统典型故障,并进行了部分单发故障及双故障、三故障并发的实验模拟,分析故障发生时,制冷系统关键参数的变化,并探讨其可能的原因。对液体管路受阻、冷凝器结垢、蒸发器水量不足及其并发故障,运用前述智能集成模型,从44个原始特征中筛选出环境相对湿度或温度、冷凝器进出风温差、蒸发器进出水温差及供水温度四个特征,作为最佳故障指示特征,CR达99.58%。总之,本文所提之智能集成模型,以及讨论之故障指示特征,主要成果已在多个专业国际期刊上发表,在制冷系统故障智能检测与诊断中,具有一定应用价值与意义,值得进一步研究。
徐言生,何钦波,郑兆志,龙建佑[9](2012)在《基于行动体系的三级能力培养模式课程改革的实践与探索——以冰箱空调维修课程为例》文中指出针对高职维修技能性课程学习中面临的问题,构建了"典型项目实训—综合模拟仿真—生产实践服务"三级学习活动和"基本维修能力—系统分析能力—职业综合能力"三级能力培养的课程模式,并以冰箱空调维修课程为例,阐述了课程内容组织以及教学组织的具体实施过程。
段鹏[10](2009)在《小型制冷装置柔性实验平台的研制》文中进行了进一步梳理变频空调由于性能优良、节省能源等特点,逐渐成为空调的主要发展方向。目前对于变频空调产品的开发,其制冷系统及其电控系统开发过程相对分离,难以保证开发进度和性能质量,从而导致实验工作量大、开发周期较长。如何加快变频空调产品的开发,成为企业争夺市场和提高效益的一个重要的研究课题。提出了一种小型制冷装置柔性实验平台的研制方案,具有模块化、可互换性等柔性特点。通过实验平台实现对小型制冷装置中被控部件的控制,对实验过程中各参数的采集分析,实现对制冷系统的优化设计,并直接在该平台上实现其控制系统的功能。获取软件设计所需的各类参数,确定和改进控制策略,以缩短产品开发周期,提高产品开发的质量。首先通过研究制冷装置开发的过程和规律,结合国家对变频空调产品的质量标准和测试方法,提出了小型制冷装置柔性实验平台的硬件设计方案。详细阐述了其系统设计过程和工作原理。实验台的硬件系统包括计算机、可编程控制器(PLC)、变频器、输入采集模块、输出控制模块,实现了对实验数据的采集和运算处理,对压缩机、电子膨胀阀、风机等部件的控制。根据研发需求,提出了软件总体功能和设计框架与结构。下位机使用ControlStar集成开发环境完成可编程控制器的软件设计,实现对硬件系统的控制管理。根据面向对象的设计思想对软件进行设计,用统一建模语言(UML)对系统的各用例进行了详细的设计。在.NET开发环境下,完成了包括界面显示、数据处理、控制算法以及性能分析等模块的软件设计。采用SQL Server 2005完成系统数据库的开发,用于对实验数据的存储,使用ADO.NET及Linq to SQL等方式完成数据访问。在分析现有变频空调控制策略的基础上,实现了各种适合变频空调微处理器及满足产品功能实际需求的控制算法,便于设计人员调用、修改、观察和研究,以满足控制器定型设计的各项要求。论文还设计了故障诊断及性能分析模块,提出了基于规则的专家系统诊断分析方法,实现了对制冷系统的优化设计。最后进行了实验平台的调试、总结工作,针对不足之处提出了改进方向。实验结果表明,该平台实现了课题所要求的各项功能。
二、空调器电气系统故障判断(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、空调器电气系统故障判断(论文提纲范文)
(1)基于冷库制冷系统的结霜故障诊断与预测研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障诊断在制冷领域的国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文的主要研究内容 |
1.4 本章小结 |
第二章 冷库制冷系统故障及神经网络理论 |
2.1 制冷系统概述及热力学分析 |
2.1.1 制冷系统概述 |
2.1.2 热力学分析 |
2.2 冷库制冷系统典型故障及理论分析 |
2.2.1 冷库制冷系统典型故障 |
2.2.2 常见故障理论分析 |
2.2.3 故障特征参数的选取 |
2.3 人工神经网络概述 |
2.4 BP神经网络 |
2.4.1 BP神经网络结构 |
2.4.2 BP神经网络的数学表达式 |
2.5 Elman神经网络 |
2.5.1 Elman神经网络结构 |
2.5.2 Elman神经网络的数学表达式 |
2.6 模型优化及评价指标 |
2.7 本章小结 |
第三章 结霜实验及神经网络建模 |
3.1 结霜实验 |
3.1.1 实验原理 |
3.1.2 实验数据分析 |
3.2 基于BP神经网络的结霜故障诊断 |
3.2.1 数据预处理 |
3.2.2 BP神经网络参数选择 |
3.2.3 BP神经网络模型仿真及结果分析 |
3.3 基于Elman神经网络的结霜故障诊断 |
3.4 本章小结 |
第四章 主成分分析和神经网络建模 |
4.1 主成分分析法 |
4.2 基于主成分分析和神经网络的结霜故障诊断 |
4.2.1 基于主元分析和BP神经网络 |
4.2.2 基于主元分析和Elman神经网络 |
4.3 最优网络比较 |
4.4 最终模型选择 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 创新点 |
5.3 展望 |
参考文献 |
发表论文及参加科研情况说明 |
致谢 |
(2)变频空调系统热力故障的实验研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 故障检测与诊断 |
1.2.1 故障检测与诊断概述 |
1.2.2 空调系统的故障分类 |
1.2.3 故障检测与诊断的方法 |
1.3 国内外研究现状 |
1.4 本文工作 |
第二章 变频空调系统热力故障模拟实验 |
2.1 变频空调系统故障模拟实验台的建立 |
2.1.1 研究对象 |
2.1.2 实验环境 |
2.1.3 实验系统设备及测试方法 |
2.2 故障模拟方法 |
2.2.1 压缩机阀泄漏故障 |
2.2.2 冷凝器结垢故障 |
2.2.3 蒸发器风量不足故障 |
2.2.4 液体管路阻力增大故障 |
2.3 实验结果处理 |
2.3.1 实验工况范围 |
2.3.2 无故障黑箱模型 |
2.4 本章小结 |
第三章 变频空调系统热力故障的特性分析 |
3.1 变频空调系统无故障运行特性 |
3.1.1 性能参数分析 |
3.1.2 运行特征参数分析 |
3.2 压缩机阀泄漏故障特性 |
3.2.1 性能参数变化特性 |
3.2.2 运行特征参数变化特性 |
3.3 蒸发器风量不足故障特性 |
3.3.1 性能参数变化特性 |
3.3.2 运行特征参数变化特性 |
3.4 冷凝器结垢故障特性 |
3.4.1 性能参数变化特性 |
3.4.2 运行特征参数变化特性 |
3.5 液体管路阻力增大故障特性 |
3.5.1 性能参数变化特性 |
3.5.2 运行特征参数变化特性 |
3.6 本章小结 |
第四章 基于自适应主元分析的变频空调故障检测方法 |
4.1 基于主元分析的故障检测方法 |
4.1.1 PCA故障检测策略的引出 |
4.1.2 PCA故障检测的数学原理 |
4.1.3 系统定频运行下4 类热力故障检测结果 |
4.1.4 系统变频运行下4 类热力故障检测结果 |
4.2 基于决策树的工况自适应PCA故障检测方法 |
4.2.1 决策树的引出 |
4.2.2 决策树的数学原理 |
4.2.3 DT-PCA故障检测方法的架构 |
4.2.4 DT-PCA故障检测方法的检测结果 |
4.3 本章小结 |
第五章 变频空调系统热力故障的诊断方法研究 |
5.1 BP神经网络的引出 |
5.2 BP神经网络的基本原理 |
5.3 BP神经网络故障诊断方法 |
5.3.1 BP神经网络模型构建 |
5.3.2 数据预处理 |
5.4 思维进化算法的引出 |
5.5 思维进化算法的数学原理 |
5.6 BP与 MEA-BP的故障诊断结果 |
5.6.1 BP神经网络故障诊断结果 |
5.6.2 MEA-BP神经网络故障诊断结果 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 本文主要内容及结论 |
6.2 存在的问题与展望 |
参考文献 |
致谢 |
攻读学位期间的学术成果 |
(4)空调器电气与控制系统教学的思考(论文提纲范文)
1 合理设计, 优化教学内容 |
2 各个击破, 突出功能模块 |
3 项目引导, 贴近实践教学 |
4 加强建设, 实现仿真教学 |
5 主动作为, 提升教师水平 |
6 结束语 |
(6)美的天钻星系列新型绿色柜式空调器常见故障的维修(六)(论文提纲范文)
(3) 吸气压力升高的原因 |
(4) 吸气压力降低的原因 |
(5) 制冷与电器故障的区分方法 |
(8)基于顺序集成方法的制冷系统故障检测与诊断研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号说明 |
目录 |
第1章 绪论 |
1.1 研究背景 |
1.2 故障诊断技术与方法 |
1.2.1 系统的故障 |
1.2.2 故障诊断 |
1.2.3 故障诊断技术发展历史 |
1.2.4 故障诊断方法概述 |
1.3 制冷空调系统中的故障诊断 |
1.3.1 国际研究现状 |
1.3.2 国内研究现状 |
1.3.3 存在的问题 |
1.4 本文的研究内容 |
第2章 制冷系统故障与故障指示特征智能提取 |
2.1 概述 |
2.2 制冷系统典型故障及其理论分析 |
2.2.1 制冷系统及其复杂性 |
2.2.2 故障类型 |
2.2.3 典型故障 |
2.2.4 制冷系统故障的理论分析 |
2.3 基于ASHRAE 故障实验的特征提取前处理 |
2.4 制冷系统故障指示特征选择(SELECTION) |
2.4.1 基于互信息(MI)的过滤模型 |
2.4.2 基于遗传算法(GA)的封装模型 |
2.5 制冷系统故障指示特征提取(EXTRACTION) |
2.5.1 主成分分析(PCA)的数学建模 |
2.5.2 主成分的几何意义 |
2.5.3 主成分个数的确定 |
2.5.4 制冷系统故障指示特征提取结果 |
2.6 本章小结 |
第3章 基于SVM 的制冷系统单发故障检测与诊断 |
3.1 概述 |
3.2 制冷故障检测与诊断中的SVM 方法应用 |
3.3 SVM 参数优化 |
3.4 模型评价 |
3.5 制冷系统故障检测与诊断用 SVM 智能集成模型 |
3.5.1 GA-SVM 故障集成模型 |
3.5.2 PCA-SVM 故障顺序集成模型 |
3.6 制冷系统单发故障检测与诊断 |
3.6.1 各 SVM 故障集成模型的 FDD 性能 |
3.6.2 GA-SVM 模型与制冷系统故障指示特征数 |
3.6.3 PCA-SVM 模型的FDD 性能 |
3.7 本章小结 |
第4章 制冷系统并发故障(多故障)智能检测与诊断 |
4.1 概述 |
4.2 制冷系统并发故障用ML-SVM 顺序集成模型 |
4.2.1 单标识(mL)与多标识技术(ML) |
4.2.2 多故障并发检测与诊断模型 |
4.2.3 制冷系统并发故障检测与诊断结果 |
4.3 指定元分析(DCA)模型 |
4.3.1 故障空间及DCA 基本原理 |
4.3.2 DCA 用于制冷系统多故障并发的检测与诊断 |
4.4 本章小结 |
第5章 制冷系统故障模拟实验及结果分析 |
5.1 概述 |
5.2 制冷系统故障模拟实验台 |
5.2.1 实验台设计 |
5.2.2 模拟故障的种类及实现方法 |
5.3 故障与征兆分析 |
5.3.1 液体管路受阻、冷凝器结垢及蒸发器水量不足故障 |
5.3.2 蒸发器水量减少20%的单发故障 |
5.3.3 热力膨胀阀故障 |
5.4 制冷系统故障检测与诊断模型再验证 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 研究工作的创新点 |
6.3 后续工作研究展望 |
参考文献 |
附录A |
致谢 |
攻读博士学位期间发表的论文及其它的成果 |
(9)基于行动体系的三级能力培养模式课程改革的实践与探索——以冰箱空调维修课程为例(论文提纲范文)
1 课程改革模式构建 |
2 课程内容组织 |
3 教学组织与实施 |
3.1 学习活动的设计 |
3.2 实践条件建设 |
3.3 教学组织与学习评价 |
3结语 |
(10)小型制冷装置柔性实验平台的研制(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 发展概况 |
1.3 本文的主要工作 |
1.4 本章小结 |
第2章 制冷装置实验台设计 |
2.1 变频空调的工作原理 |
2.2 实验台工作原理及结构设计 |
2.3 实验台总体功能设计 |
2.3 本章小结 |
第3章 系统硬件设计 |
3.1 硬件总体设计 |
3.1.1 计算机控制系统 |
3.1.2 系统构成 |
3.2 测点分析 |
3.2.1 测试参数及其工作范围 |
3.2.2 仪器仪表选型 |
3.3 控制单元 |
3.3.1 PLC 控制模块 |
3.3.2 变频器 |
3.4 通信模块 |
3.5 本章小结 |
第4章 系统软件设计 |
4.1 面向对象与UML 设计 |
4.1.1 面向对象分析 |
4.1.2 统一建模语言 |
4.2 系统开发平台 |
4.2.1 ControlStar |
4.2.2. NET 开发平台 |
4.2.3 SQL Server 2005 开发平台 |
4.3 软件总体设计 |
4.3.1 系统总框架 |
4.3.2 控制系统用例 |
4.3.3 数据采集处理用例 |
4.3.4 监控系统用例 |
4.3.5 故障诊断用例 |
4.3.6 动态交互图和实现图 |
4.4 通信模块设计 |
4.4.1 SerialPort 控件 |
4.4.2 通信协议 |
4.4.3 通信格式 |
4.5 数据库模块设计 |
4.5.1 ADO.NET |
4.5.2 数据库设计 |
4.6 本章小结 |
第5章 实验台控制功能设计 |
5.1 实验平台控制功能的需求分析 |
5.2 实验平台控制方法的设计思想 |
5.3 实验平台控制方法的设计实现 |
5.3.1 常规模糊控制器算法 |
5.3.2 带自调整因子的模糊控制算法 |
5.3.3 控制功能的实现 |
5.4 本章小结 |
第6章 故障诊断及性能分析 |
6.1 故障诊断的方法 |
6.2 基于规则的专家系统 |
6.2.1 基本概述 |
6.2.2 专家系统的建立 |
6.3 专家系统在制冷故障诊断中的应用 |
6.3.1 常见故障汇总 |
6.3.2 常见故障分析 |
6.3.3 诊断过程 |
6.4 专家系统在制冷性能分析中的应用 |
6.4.1 性能问题的分析 |
6.4.2 性能分析推理过程 |
6.5 本章小结 |
第7章 系统调试 |
7.1 实验台系统硬件调试 |
7.2 测控系统软件调试 |
7.2.1 调试方法 |
7.2.2 基本功能调试 |
7.2.3 模块功能调试 |
7.3 调试中遇到的部分问题及解决办法 |
7.4 本章小结 |
第8章 总结与展望 |
8.1 总结 |
8.2 展望 |
致谢 |
参考文献 |
附录 |
详细摘要 |
四、空调器电气系统故障判断(论文参考文献)
- [1]基于冷库制冷系统的结霜故障诊断与预测研究[D]. 赵力蕃. 天津商业大学, 2020(10)
- [2]变频空调系统热力故障的实验研究[D]. 张善兴. 上海交通大学, 2018(01)
- [3]基于工作过程导向的中职《制冷与空调设备安装与维修》课程设计[J]. 刘源劲. 大众科技, 2013(12)
- [4]空调器电气与控制系统教学的思考[J]. 吴雷,阳丽. 电脑知识与技术, 2013(35)
- [5]浅析变频空调器的工作原理与维修技巧[A]. 孙建军. 浙江制冷(2013年第02期总第103期), 2013(总第103期)
- [6]美的天钻星系列新型绿色柜式空调器常见故障的维修(六)[J]. 郅永春. 家电检修技术, 2013(09)
- [7]美的天钻星系列新型绿色柜式空调器常见故障的维修(四)[J]. 郅永春. 家电检修技术, 2013(07)
- [8]基于顺序集成方法的制冷系统故障检测与诊断研究[D]. 韩华. 上海交通大学, 2012(07)
- [9]基于行动体系的三级能力培养模式课程改革的实践与探索——以冰箱空调维修课程为例[J]. 徐言生,何钦波,郑兆志,龙建佑. 顺德职业技术学院学报, 2012(01)
- [10]小型制冷装置柔性实验平台的研制[D]. 段鹏. 杭州电子科技大学, 2009(02)