تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,490,119 |
تعداد دریافت فایل اصل مقاله | 15,217,567 |
شناسایی حالت معیوب یک واحد هواساز با استفاده از روش آنالیز مولفههای اصلی | ||
مهندسی مکانیک دانشگاه تبریز | ||
مقاله 4، دوره 45، شماره 2، مرداد 1394، صفحه 33-41 اصل مقاله (2.32 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
وحید عاملمنیریان1؛ محمدمهدی تفرج* 2؛ هادی کلانی2؛ مجید معاونیان3 | ||
1کارشناس ارشد، دانشگاه فردوسی مشهد، دانشکده مهندسی | ||
2دانشجوی دکتری، دانشگاه فردوسی مشهد، دانشکده مهندسی | ||
3دانشیار، دانشگاه فردوسی مشهد، دانشکده مهندسی | ||
چکیده | ||
در این مقاله از روش آنالیز مولفههای اصلی برای تعیین حالت معیوب یک هواساز 5 منطقهای بااستخراج ارتباط بین متغیرهای موجود در هواساز و کاهش ابعاد دادههای اندازهگیری شده، استفاده میشود.از یک مدل آنالیز مولفههای اصلی میتوان برای تعیین حد آستانه آماری و همچنین مربع خطاهای پیشبینی مشاهدات جدید، به منظور بررسی وجود عیب در هواساز استفاده کرد. سیستم عیبیابی شامل یک برنامه عیبیابی بر اساس روشآنالیز مولفههای اصلی، یک سیستم مدیریت ساختمان با سه عدد سنسور، شیر کنترل و سیگنالهای کنترل هوای خروجی است. در این پژوهش عیبهای مختلفی به صورت مصنوعی بر روی سیستم هواساز موجود در بیمارستان رضوی مشهد ایجاد شده است. منطقه مورد بررسی در این مطالعه بخش اداری بیمارستان میباشد. این عیبها شامل عیب در سنسور دمای داخل کانال، سنسور دمای موجود دربخش اداری، گیر کردن دمپر هوای برگشتی، گیر کردن دمپر هوای خروجیو گیر کردن شیر کنترلی کویل آب گرم هواساز میباشد. نتایج نشان میدهند که استفاده از روش آنالیز مولفههای اصلی، برای شناسایی حالت معیوب این هواساز موثر و قابل قبول می باشد. | ||
کلیدواژهها | ||
عیبیابی؛ هواساز؛ آنالیز مولفه های اصلی؛ مربع خطای پیش بینی | ||
مراجع | ||
[1] Piette, M.A., Kinney, S.K., Haves, P., .," Analysis of an information monitoring and diagnostic system to improve building operations", Energy and Buildings, vol. 33, Issue 8, pp. 783-791, 2001.
[2] Yu, B., Van Paassen, A.H.C., " State-of-the-art of energy fault diagnosis for building HVAC system, in: International Symposium on Air Conditioning in High Rise Building, Shanghai, China, pp. 162-167, 2000.
[3] Katipamula, S., Brambley, M. R., "Methods for fault detection, diagnostics, and prognostics for building systems e a review, part I, HVAC&R Research vol. 11, Issue 1, pp. 3-25, 2005.
[4] Yoshimura, M., and N. Ito. "Effective diagnosis methods for air-conditioning equipment in telecommunications buildings." In Telecommunications Energy Conference, 1989. INTELEC'89. Conference Proceedings., Eleventh International, pp. 21-1. IEEE, 1989.
[5] Ann, B.C., Mitchell, J.W.,Mclntosh,L.B., "Model based fault detection and diagnosis for cooling tower[J]", ASHRAE Transactions, vol. 107, Issue 1, pp. 839-846, 2001.
[6] Dexter, A.L., Pakanen, J., "Demonstrating automated fault detection and diagnosis methods in real buildings", VTT Building Technology, Finland (ISBN 951-38-5726-3), ANNEX 34, 2001.
[7] Stylianou, M., Nikanour, D., Performance monitoring, fault detection, and diagnosis of reciprocating chillers", ASHRAE Transactions vol. 102, Issue 1, pp. 615-627,1996.
[8] Liang, J., Du, R., "Model-based fault detection and diagnosis of HVAC systems using support vector machine method", International Journal of refrigeration, vol. 30, Issue 6, pp. 1104-1114,2007.
[9] Tzafestas, S., "Second generation expert systems: requirements, architectures and prospects", in: IFAC/IMACS Symposium on Fault Detection, Supervision and Safety for Technical Process, Baden-Baden, 1991.
[10] Wu, S., Sun, J.Q., "Cross-level fault detection and diagnosis of building HVAC systems", Building and Environment, vol. 46, Issue 8, pp. 1558-1566, 2011.
[11] Hemmelblau, D.M., "Use of artificial neural networks to monitor faults and for troubleshooting in the process industries", in: IFAC Symposium on on-line Fault Detection and Supervision in the Chemical Process Industries, Newark, 1992.
[12] Dexter, A. L., Ngo, D., "Fault diagnosis in HVAC systems: a multistep fuzzy model-based approach", HVAC&R Research, vol. 7, Issue 1, pp. 83-102,2001.
[13] Schein, J., Bushby, S. T., Castro, N. S., House, J.M., "A rule-based fault detection method for air handling units", Energy and Buildings, vol. 38, Issue 12, pp. 1485-1492, 2006.
[14] Wang, S., Xiao, F., Zhou, Q., A system-level fault detection and diagnosis strategy for HVAC systems involving sensor faults", Energy and Buildings, vol. 42, Issue 4, pp. 477-490, 2010.
[15] Wang, S.W., Xiao, F., AHU sensor fault diagnosis using principal component analysis method", Energy and Buildings, vol. 36, Issue 2, pp. 147-160, 2004.
[16] Xiao, F., Wang, S., Xu, X., Ge, G., "An isolation enhanced PCA method with expert-based multivariate decoupling for sensor FDD in air-conditioning systems", Applied Thermal Engineering, vol. 29, Issue 4, pp. 712-722, 2009
[17] Du, Z., Jin, X., "Detection and diagnosis for sensor fault in HVAC systems", Energy Conversion and Management, vol. 48, Issue 3, pp. 693-702, 2007
[18] Du, Z., Jin, X., Wu, L., "Fault detection and diagnosis based on improved PCA with JAA method in VAV systems", Building and Environment, vol. 42, Issue 9, pp. 3221-3232, 2007
[19] عاملمنیریان، وحید "عیب یابی و تشخیص عیب در سیستم های تهویه مطبوع" پایان نامه کارشناسی ارشد، گروه مهندسی مکانیک، دانشگاه فردوسی مشهد، تابستان1391
| ||
آمار تعداد مشاهده مقاله: 1,986 تعداد دریافت فایل اصل مقاله: 1,254 |