论文笔记1---HVAC fault detection using a system identification approach

住宅暖通空调故障检测的系统识别方法
abstract
使用递归最小二乘模型
在系统正常运行时，这些参数收敛到稳定值 。
background
故障检测算法：
输入输出时间序列数据。
单输入单输出。
故障检测的原则是基于操作中的任何故障或异常都将反映在估计的模型参数值的显著偏差或变化中。
系统辨识
ai和bj表示要估计的未知参数
System identification for fault detection
故障的发生可以与描述系统动态行为的数学模型的部分或全部参数的变化相关联。
最小二乘法中引入指数遗忘因子
较高的响应率会导致滤波器的不太稳定的行为。
Extended least squares for fault detection
无法测量样本e(t)、e(t-1)，...

2.4.2. Heat transfer and building load models
房屋使用总共 16 个节点进行描述
3.2. Simulated faults
来自REGCAP模拟的室内温度和设定点输出随后被用作参数模型的输入。

4. Results and discussion
利用模拟得到的时间序列数据，得到了RLS模型的参数。
要有无故障数据来进行比较。
RLS模型的估计参数与基线值的统计上显著的偏差对应于HVAC系统操作或行为的一些异常。
图3 是无故障时室内和室外的温度
外部温度被视为输入，内部温度被视为输出。
参数随时间收敛到一个稳态值。（正常时）
图10
在这种情况下，参数1和2对故障的发生很敏感，可用于故障检测，其中室内温度信息无法检测。
通过将模型扩展到非线性预测器，并使用递归公式，可以检测通风故障。
模型参数的变化速度不会像突变故障那样快，因此需要设置参数的一些阈值限制。

标签：HVAC,fault,模型,detection,故障,参数,检测
来源： https://www.cnblogs.com/hyxxl/p/15330974.html