В качестве одного из методов анализа многомерных данных, метод главных компонент (PCA) широко применяется для диагностики неисправностей датчиков систем кондиционирования и охлаждения. В данной статье сначала на основе принципа теплового баланса и логики управления многоблочной системой отбираются 18 часто используемых переменных датчиков для построения модели диагностики неисправностей (FDD) датчиков многоблочной (VRF) системы. Затем, с использованием алгоритмических принципов PCA, предлагается процесс обнаружения и диагностики неисправностей датчиков с использованием Q-статистики и вклада Q в качестве критериев проверки. Далее проводится верификация с использованием экспериментальных данных, вводятся различные типы и степени неисправностей датчиков, анализируются характеристики обнаружения и диагностики при различных условиях неисправностей. Результаты показывают, что применение PCA для обнаружения и диагностики неисправностей датчиков в многоблочных системах в целом надежно. Его конкретные особенности заключаются в следующем: значительные различия в эффективности обнаружения неисправностей для разных типов датчиков при различных типах и степенях неисправностей; при малых отклонениях эффективность обнаружения основанного на PCA метода низкая, а для отдельных датчиков эффективность обнаружения в целом ниже. Поскольку диагностика основана на результатах обнаружения, данный метод играет важную роль в процессе FDD.

анализ главных компонент;обнаружение и диагностика неисправностей;Q-статистика;вклад Q;датчик;многоблочная система кондиционирования