CN115406055A - 用于冷媒泄漏诊断的空调系统及其控制方法 - Google Patents

用于冷媒泄漏诊断的空调系统及其控制方法 Download PDF

Info

Publication number
CN115406055A
CN115406055A CN202211053935.7A CN202211053935A CN115406055A CN 115406055 A CN115406055 A CN 115406055A CN 202211053935 A CN202211053935 A CN 202211053935A CN 115406055 A CN115406055 A CN 115406055A
Authority
CN
China
Prior art keywords
obtaining
refrigerant
air conditioning
test
conditioning system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211053935.7A
Other languages
English (en)
Inventor
冯占辉
王利
马小魁
常宝军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
York Guangzhou Air Conditioning and Refrigeration Co Ltd
Johnson Controls Tyco IP Holdings LLP
Original Assignee
York Guangzhou Air Conditioning and Refrigeration Co Ltd
Johnson Controls Tyco IP Holdings LLP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by York Guangzhou Air Conditioning and Refrigeration Co Ltd, Johnson Controls Tyco IP Holdings LLP filed Critical York Guangzhou Air Conditioning and Refrigeration Co Ltd
Priority to CN202211053935.7A priority Critical patent/CN115406055A/zh
Publication of CN115406055A publication Critical patent/CN115406055A/zh
Priority to US18/240,291 priority patent/US20240068721A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/005—Arrangement or mounting of control or safety devices of safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/36—Responding to malfunctions or emergencies to leakage of heat-exchange fluid
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
    • F24F11/84—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/89—Arrangement or mounting of control or safety devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2500/00—Problems to be solved
    • F25B2500/19—Calculation of parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2500/00—Problems to be solved
    • F25B2500/22—Preventing, detecting or repairing leaks of refrigeration fluids
    • F25B2500/222—Detecting refrigerant leaks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/02—Humidity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/13—Mass flow of refrigerants
    • F25B2700/133—Mass flow of refrigerants through the condenser
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/15—Power, e.g. by voltage or current
    • F25B2700/151—Power, e.g. by voltage or current of the compressor motor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/17—Speeds
    • F25B2700/171—Speeds of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • F25B2700/193—Pressures of the compressor
    • F25B2700/1931—Discharge pressures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • F25B2700/193—Pressures of the compressor
    • F25B2700/1933—Suction pressures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • F25B2700/195—Pressures of the condenser
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • F25B2700/197—Pressures of the evaporator
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2106—Temperatures of fresh outdoor air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21151—Temperatures of a compressor or the drive means therefor at the suction side of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21152—Temperatures of a compressor or the drive means therefor at the discharge side of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2116—Temperatures of a condenser
    • F25B2700/21162—Temperatures of a condenser of the refrigerant at the inlet of the condenser
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2116—Temperatures of a condenser
    • F25B2700/21163—Temperatures of a condenser of the refrigerant at the outlet of the condenser
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2117—Temperatures of an evaporator
    • F25B2700/21171—Temperatures of an evaporator of the fluid cooled by the evaporator
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2117—Temperatures of an evaporator
    • F25B2700/21171—Temperatures of an evaporator of the fluid cooled by the evaporator
    • F25B2700/21172—Temperatures of an evaporator of the fluid cooled by the evaporator at the inlet
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2117—Temperatures of an evaporator
    • F25B2700/21171—Temperatures of an evaporator of the fluid cooled by the evaporator
    • F25B2700/21173—Temperatures of an evaporator of the fluid cooled by the evaporator at the outlet
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2117—Temperatures of an evaporator
    • F25B2700/21174—Temperatures of an evaporator of the refrigerant at the inlet of the evaporator
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2117—Temperatures of an evaporator
    • F25B2700/21175—Temperatures of an evaporator of the refrigerant at the outlet of the evaporator

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Signal Processing (AREA)
  • Thermal Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本申请提供了一种用于冷媒泄漏诊断的空调系统及其控制方法，所述空调系统包括机组和传感器j(j＝1,2,…,k)，从所述k个传感器从机组中获取试验数据序列，从所述试验数据序列中计算出还原偏差增强系数，并获取若干个输入子向量；通过LSTM检测模型获得对应若干个输入子向量的输出子向量，进而计算出数个诊断阈值以及增强还原偏差；通过比较得到的数个诊断阈值和增强还原偏差从而进行冷媒泄漏诊断。本申请的控制方法可以从大量的系统传感器参数中找到敏感特征，并把冷媒泄漏的因素从其他的故障因素中分离出来，以加快诊断方法的处理速度，减轻系统的处理负担。

Description

用于冷媒泄漏诊断的空调系统及其控制方法
技术领域
本申请涉及一种空调系统的诊断方法，特别是涉及一种对空调系统中冷媒泄漏的诊断方法。
背景部分
典型的空调系统包括压缩机、冷凝器、节流阀和蒸发器4个部件，冷媒在这四个部件中形成循环回路，以完成热交换。具体的说，冷媒回路依次连接的压缩机、冷凝器、节流阀和蒸发器。压缩机的排气口与冷凝器入口流体连通，冷凝器出口与节流阀的入口流体连通，节流阀的出口与蒸发器入口流体连通，蒸发器的出口与压缩机的吸气口流体连通。冷媒在压缩机内被压缩为高压、高温状态后排出至冷凝器中。然后冷媒在冷凝器中与环境空气进行热交换，以释放热量而被冷凝为高压、液态状态，然后排入节流阀中。在节流阀中，冷媒被膨胀节流为低压两相状态后，流入蒸发器中。然后在蒸发器中与冷冻水进行热交换，以吸收热量而被蒸发为低压、气态状态后从压缩机的吸气口回到压缩机，以完成冷媒循环。
所以，为了测试空调系统的运行性能和维护保养空调系统，对空调系统中提供冷媒循环通路的冷媒进行泄漏诊断功能是非常重要的。
发明内容
根据本申请的第一个方面，提供了一种用于空调系统的冷媒泄漏诊断的控制方法，所述空调系统包括机组，其特征在于：所述控制用于空调系统的冷媒泄漏诊断的控制方法包括以下步骤：
S01，在组合试验情况下，获取试验数据序列，根据所述试验数据序列，获得k个传感器的还原偏差增强系数，基于所述还原偏差增强系数得到测试阈值，并根据所述测试阈值获得测试阈值比例系数；
S02，在无冷媒泄漏的情况下，获取试验数据序列，基于所述还原偏差增强系数和所述测试阈值比例系数，获取数个诊断阈值；
S03，冷媒泄漏诊断过程中，获取试验数据序列，基于所述k个还原偏差增强系数来获取增强还原偏差，将所述增强还原偏差与所述数个诊断阈值相比较，进行冷媒泄漏诊断。
根据本申请的第一个方面，其特征在于：所述空调系统包括机组和传感器j(j＝1，2，…，k)，所述k个传感器从机组中获取状态参数，所述用于空调系统的冷媒泄漏诊断的方法包括以下步骤：
在所述步骤S01中，在不同冷媒充注量下的组合试验情况下，执行步骤：
(i)为所述k个传感器中的每一个传感器j获取所有的试验数据序列Cj(j＝1，2，…，k)，每个试验数据序列Cj包括序列元素
Figure BDA0003824284120000021
其中i＝1，2，…，m，所述m表示从所述组合试验中按采样周期获取的数据点数，
(ii)根据所述试验数据序列Cj，通过多元线性回归获得k个传感器的还原偏差增强系数β1，β2，…，βk，
(iii)为所述k个传感器中的每一个传感器j，从所述试验数据序列Cj中获取一个n维输入子向量
Figure BDA0003824284120000022
其中i＝1，2，…，n，所述n表示截取周期时间，
(iv)为所述n维输入子向量
Figure BDA0003824284120000023
从所述试验数据序列Cj中获取后继n维输入子向量
Figure BDA0003824284120000024
其中i＝1，2，…，n，
(v)对应所述n维输入子向量
Figure BDA0003824284120000025
获取一个n维输出子向量
Figure BDA0003824284120000026
其中i＝1，2，…，n，
(vi)获取k个所述n维输出子向量
Figure BDA0003824284120000027
和k个所述n维输入子向量
Figure BDA0003824284120000028
各自的还原偏差，
(vii)基于所述k个还原偏差、所述还原偏差增强系数β1，β2，…，βk得到冷媒泄漏量由少到多的测试阈值g0，g1，g2，g3，并根据所述测试阈值g0，g1，g2，g3获得测试阈值比例系数α1，α2，α3，其中α1＝g1/g0，α2＝g2/g0，α3＝g3/g0；
在所述步骤S02中，在无冷媒泄漏的情况下，执行以下步骤：
(i)为所述k个传感器中的每一个传感器j获取所有的试验数据序列Cj(j＝1，2，…，k)，每个试验数据序列Cj包括序列元素
Figure BDA0003824284120000031
其中i＝1，2，…，m，所述m表示从所述组合试验中按时间周期获取的数据点数，
(ii)为所述k个传感器中的每一个传感器j，从所述试验数据序列Cj中获取一个n维输入子向量
Figure BDA0003824284120000032
其中i＝1，2，…，n，所述n表示截取周期时间，
(iii)为所述n维输入子向量
Figure BDA0003824284120000033
从所述试验数据序列Cj中获取后继n维输入子向量
Figure BDA0003824284120000034
其中i＝1，2，…，n，
(iv)对应所述n维输入子向量
Figure BDA0003824284120000035
获取一个n维输出子向量
Figure BDA0003824284120000036
其中i＝1，2，…，n，
(v)获取k个所述n维输出子向量
Figure BDA0003824284120000037
和k个所述n维输入子向量
Figure BDA0003824284120000038
各自的还原偏差，
(vi)基于所述k个还原偏差、所述还原偏差增强系数β1，β2，…，βk和所述测试阈值比例系数α1，α2，α3，获取数个诊断阈值G0，G1，G2，G3，其中G1＝G0×α1，G2＝G0×α2，G3＝G0×α3；
在所述步骤S03中，冷媒泄漏诊断过程中，执行以下步骤：
(i)为所述k个传感器中的每一个传感器j获取所有的试验数据序列Cj(j＝1，2，…，k)，每个试验数据序列Cj包括序列元素
Figure BDA0003824284120000039
其中i＝1，2，…，m，所述m表示从所述组合试验中按时间周期获取的数据点数，
(ii)为所述k个传感器中的每一个传感器j，从试验数据序列Cj中获取一个n维输入子向量
Figure BDA0003824284120000041
其中i＝1，2，…，n，所述n表示周期时间，
(iii)为所述n维输入子向量
Figure BDA0003824284120000042
从试验数据序列Cj中获取后继n维输入子向量
Figure BDA0003824284120000043
其中i＝1，2，…，n，
(iv)对应所述n维输入子向量
Figure BDA0003824284120000044
获取一个n维输出子向量
Figure BDA0003824284120000045
其中i＝1，2，…，n，
(v)获取所述n维输出子向量
Figure BDA0003824284120000046
和所述n维输入子向量
Figure BDA0003824284120000047
的还原偏差，
(vi)基于计算得到的所述k个传感器的还原偏差、所述k个还原偏差增强系数β1，β2，…，βk获取增强还原偏差，
(vii)将所述增强还原偏差与所述数个诊断阈值G0，G1，G2，G3相比较，进行冷媒泄漏诊断。
根据本申请的第一个方面，其特征在于：所述步骤S01是在数个不同冷媒充注量下进行的，所述数个不同冷媒充注量包括无泄漏、第一泄漏量、第二泄漏量和第三泄漏量。
根据本申请的第一个方面，其特征在于：在执行所述步骤S01(vi)、所述步骤S02(v)和所述步骤S03(v)获取所述还原偏差时，通过以下公式计算：
Figure BDA0003824284120000048
根据本申请的第一个方面，其特征在于：在执行所述步骤S01(vii)获取所述测试阈值g0，g1，g2，g3时，执行以下步骤；通过以下公式计算每个输出子向量的增强还原偏差：
Figure BDA0003824284120000049
从试验数据集中筛选出无泄漏试验数据，对得到的多个增强还原偏差从高到低进行排序，把经排序后的前o个增强还原偏差的均值作为原始测试阈值g0，具体计算公式如下：
Figure BDA0003824284120000051
其中i表示经排序后的前o个增强还原偏差的序号，
从所述试验数据集中筛选出第一泄漏量、第二泄漏量和第三泄漏量下的试验数据，分别把所述第一泄漏量、所述第二泄漏量和所述第三泄漏量下的经排序后的前o个增强还原偏差的均值作为第一测试阈值g1，第二测试阈值g2和第三测试阈值g3。
根据本申请的第一个方面，其特征在于：在执行所述步骤S01(ii)获取所述β1，β2，…，βk时，执行以下步骤：以冷媒的充注量作为因变量，以其他筛选数据作为自变量，进而建立函数形式如下：
Figure BDA0003824284120000052
其中，i表示一个样本，其中i＝1，2，…，m，m表示有m个时间样本，
Figure BDA0003824284120000056
表示回归得到的冷媒充注量。多元线性回归参数的估计方法通常采用最小二乘法，对于i这个样本，其实际值与估计值的差为：
Figure BDA0003824284120000053
对于所有的m时间样本，实测值与估计值差的平方和公式如下：
Figure BDA0003824284120000054
最小二乘法的原理是就是寻找一组系数β0，β1，…，βk使得Q最小。
根据本申请的第一个方面，其特征在于：在执行所述步骤S02(vi)获取所述数个诊断阈值G0，G1，G2，G3时，执行以下步骤：从多个输出向量组的增强还原偏差中选择最大的一个作为无泄漏诊断阈值G0，具体计算公式如下：
G0＝max(EnhancedREi)，其中i＝2，3，4…
根据本申请的第一个方面，其特征在于：在执行所述步骤S03(vi)获取增强还原偏差时，通过以下公式进行计算：
Figure BDA0003824284120000055
其中i＝1，2，3…，
根据本申请的第一个方面，其特征在于还包括步骤：从大量的系统传感器参数中找到敏感特征，把冷媒泄漏从其他的故障因素中分离出来。
根据本申请的另一个方面，提供了一种空调系统，所述空调系统包括机组、传感器j(j＝1,2,…,k)和控制器，所述传感器从所述机组中获取向量参数，其特征在于：所述控制器按照本申请的第一个方面所述的方法获取的参数来控制所述空调系统。
附图说明
本申请这些和其它特征和优点可通过参照附图阅读以下详细说明得到更好地理解，在整个附图中，相同的附图标记表示相同的部件，其中：
图1A示出了本申请空调系统100示意性的部件框图；
图1B示出了图1A中压缩机传感器105的结构细节；
图1C示出了图1A中冷凝器传感器107的结构细节；
图1D示出了图1A中节流阀传感器109的结构细节；
图1E示出了图1A中蒸发器传感器111的结构细节。
图1F示出了图1A中环境传感器113的结构细节；
图2A示出了本申请使用的LSTM检测模型的工作原理示意框图；
图2B示出了图2A中LSTM检测模型中输入数据的格式；
图2C示出了图2A中LSTM检测模型中由传感器所产生的输入子向量的数据格式；
图2D示出了图2A中LSTM检测模型中由传感器所产生的输出子向量的数据格式；
图3示出了用于诊断本申请空调系统100的冷媒泄漏方法的流程框图300；
图4示出了图3所示流程框图300中步骤304的具体流程；
图5示出了图3所示流程框图300中步骤306的具体流程；
图6示出了图3所述流程框图300中步骤308的具体流程；
图7示出了在不同冷媒注量下的试验步骤；
图8示出了图7所示的诊断过程的实施效果；
图9示出了图1A所示控制器116具体细节的框图。
具体实施方式
图1A示出了本申请空调系统100示意性的部件框图，用于示出本申请空调系统的主要部件。
如图1A所示，空调系统100包括压缩机104、冷凝器106、冷凝器风扇117、节流阀108、蒸发器110、冷冻水泵112、热负荷114、和控制器116。冷凝器风扇117对冷凝器106进行风式降温。图1A所示的空调系统100具有冷媒循环回路101和冷冻水循环回路102。
参考图1A，冷媒循环回路101路依次连接的压缩机104、冷凝器106、节流阀108和蒸发器110。压缩机104的排气口与冷凝器106的入口流体连通，冷凝器106的出口与节流阀108的入口流体连通，节流阀108的出口与蒸发器110的入口流体连通，蒸发器110的出口与压缩机104的吸气口流体连通。冷媒在压缩机104内被压缩为高压、高温状态后排出至冷凝器106中；然后冷媒在冷凝器106中与环境空气进行热交换，以释放热量而被冷凝为高压、液态状态；然后排入节流阀108中；在节流阀108中，冷媒被膨胀节流为低压两相状态后，流入蒸发器110中；然后在蒸发器110中与冷冻水进行热交换，以吸收热量而被蒸发为低压、气态状态后从压缩机104的吸气口回到压缩机104，以完成冷媒循环。热负荷114被设置在环境118中。控制器116分别与压缩机104、冷凝器106、节流阀108、蒸发器110和冷冻水水泵112相连，用于控制压缩机104、冷凝器106、节流阀108、蒸发器110和冷冻水水泵112，并且用于从压缩机104、冷凝器106、节流阀108和蒸发器110的传感器采集参数。
还是参考图1A，冷冻水循环回路102依次连接蒸发器110、冷冻水水泵112、和热负荷114。冷冻水水泵112用于驱动冷冻水，使之循环流经热负荷和蒸发器，从而使得冷冻水在蒸发器110中与冷媒进行热交换。在冷冻水循环回路101中，冷媒在蒸发器110吸收热量而被蒸发的同时，冷冻水释放热量而被冷却。被冷却的冷冻水流经热负荷114将带走热负荷的热量，使得热负荷114被冷却，对环境空气进行制冷。
为了采集空调系统100中的各种参数，本申请在空调系统100设置了5种类型的传感器，包括：(1)压缩机传感器105，(2)冷凝器传感器107，(3)节流阀传感器109，(4)蒸发器传感器111，(5)环境传感器113。在本申请中，压缩机传感器105的输出125、冷凝器传感器107的输出127、节流阀传感器109的输出129、蒸发器传感器111的输出121、环境传感器113的输出123与控制器116相连，向控制器116提供传感器参数，这些传感器参数的组合使用，使得控制器116能更有效、更好精确、更敏感地进行系统冷媒泄漏诊。
作为本申请的一个实施例，各种传感器的位置的设置如下：(1)压缩机传感器105设置在压缩机104内部或附近；(2)冷凝器传感器107设置在冷凝器106内部或附近；(3)节流阀传感器109设置在节流阀108内部或附近；(4)蒸发器传感器111设置在蒸发器110内部或附近；(5)环境传感器113设置在空调系统100的使用环境118中。
仍然参考图1A，空调系统100还包括冷媒泵182和冷媒容器184，其中冷媒容器184用于存储冷媒介质，并通过冷媒泵182向冷媒循环回路101提供或回收冷媒介质。同时，控制器116可以控制冷媒泵182的开启和关闭，以使得冷媒容器184在控制器116控制下可以向空调系统100提供不同的冷媒充注量。
图1B-1F示出了图1A中压缩机传感器105、冷凝器传感器107、节流阀传感器109、蒸发器传感器111、和环境传感器113的结构细节。
如图1B所示，压缩机传感器105包括：压缩机转速传感器130、压缩机吸气温度传感器132、压缩机吸气压力传感器134、压缩机排气温度传感器136、压缩机排气压力传感器138、压缩机电机电压传感器140、压缩机电机电流传感器142。压缩机转速传感器130、压缩机吸气温度传感器132、压缩机吸气压力传感器134、压缩机排气温度传感器136、压缩机排气压力传感器138、压缩机电机电压传感器140、压缩机电机电流传感器142分别具有与控制器116相连传感器输出131、传感器输出133、传感器输出135、传感器输出137、传感器输出139、传感器输出141和传感器输出143。为了便利图示，传感器输出131、传感器输出133、传感器输出135、传感器输出137、传感器输出139、传感器输出141和传感器输出143一起被标识成传感器输出125。
如图1C所示，冷凝器传感器107，包括：冷凝器冷媒进口温度传感器150、冷凝器冷媒出口温度传感器152、冷凝器冷媒压力传感器154、冷凝器风速度传感器156。冷凝器冷媒进口温度传感器150、冷凝器冷媒出口温度传感器152、冷凝器冷媒压力传感器154、冷凝器风速度传感器156分别具有与控制器116相连的传感器输出151、传感器输出153、传感器输出155和传感器输出157。为了便利图示，传感器输出151、传感器输出153、传感器输出155和传感器输出157一起被标识成传感器输出127。
如图1D所示，节流阀传感器109，包括：节流阀开度传感器144、节流阀流量传感器146。节流阀开度传感器144、节流阀流量传感器146分别具有与控制器116相连的传感器输出145和传感器输出147。为了便利图示，传感器输出145和传感器输出147一起被标识成传感器输出129。
如图1E所示，蒸发器传感器111包括：蒸发器冷媒进口温度传感器160、蒸发器冷媒出口温度传感器162，蒸发器冷媒压力传感器164、蒸发器水流量传感器166、蒸发器水侧进口温度传感器168、蒸发器水侧出口温度传感器170。蒸发器冷媒进口温度传感器160、蒸发器冷媒出口温度传感器162，蒸发器冷媒压力传感器164、蒸发器水流量传感器166、蒸发器水侧进口温度传感器168、蒸发器水侧出口温度传感器170分别具有与控制器116相连的传感器输出161、传感器输出163、传感器输出165、传感器输出167、传感器输出169和传感器输出171。为了便利图示，传感器输出161、传感器输出163、传感器输出165、传感器输出167、传感器输出169、传感器输出171一起被标识为传感器输出121。
如图1F所示，环境传感器113包括：环境温度传感器182、环境温度传感器184。环境温度传感器182、环境温度传感器184分别具有与控制器116相连的传感器输出183和传感器输出185。为了便利图示，传感器输出183和传感器输出185一起被标识成传感器输出123。
图2A示出了本申请使用的LSTM检测模型的工作原理示意框图。
LSTM是Long Short-Term Memory检测模型的缩写。Hoang Duy Trinh等人在2019年IEEE(H.D.Trinh et al.:Detecting Mobile Traffic Anomalies Through PhysicalControl Channel,IEEE Access,VOLUME 7,2019)的论文对这种模型进行了描述。在此，申请人通过引用将这篇文献结合到本专利申请文件中。
如图2A所示，LSTM检测模型包括：输入向量组模块202、LSTM编码网络模块204、隐态向量模块206、LSTM解码网络模块208、输出向量组模块210。
输入向量组模块202把k个传感器采集到的数据，转化成输入向量组。LSTM编码网络模块204把输入的向量组压缩成一个隐态向量。隐态向量模块206是LSTM编码网络与LSTM解码网络的中间向量，LSTM编码网络模块204把所述输入向量组压缩成一个确定的隐态向量，LSTM解码网络模块208则把所述确定的隐态向量作为输入，还原为第二输入向量组，即第一向量组的相邻后继向量组，作为输出向量组模块210。
图2B示出了图2A中LSTM检测模型中输入数据的格式，包括试验数据序列、子向量的分割、子向量的时间滚动特性。
在图2B所示的LSTM检测模型中，我们假设空调系统100中的某一个在本申请中的空调系统具有k个传感器，每个传感器j(j＝1,2,…,k)按照时间周期来采集单位数据。所以，经过m单位时间周期后(例如10000个单位时间周期)，m个单位数据就排成按周期排列的数据试验数据序列Cj。其中，每个试验数据序列Cj包括序列元素
Figure BDA0003824284120000111
其中i＝1,2,…,m，m表示从所述组合试验中按采样周期获取的数据点数。
为了使用LSTM检测模型对本申请空调系统进行冷媒泄漏诊断，本申请将对应于传感器k的试验数据序列Cj按周期时间的滚动截取若干个输入子向量，即
Figure BDA0003824284120000112
每个输入子向量中具有n个向量元素(或n维的向量,其中n<m)。n维输入子向量中的每一个具有i(i＝1,2,…,n)个向量元素，即
Figure BDA0003824284120000113
Figure BDA0003824284120000114
需要说明的是，对于输入子向量，i(i＝1,2,…,n)有两层意思：(1)i是第二个下标数值，表示作为输入的x子向量中每个向量元素在数据试验数据序列Cj中的周期的时间位置，(2)i下标数值的位置还表示作为输入子向量中每个向量元素的位置。
在输入向量组模块202接收到所述n维的输入子向量
Figure BDA0003824284120000115
后，输出向量组模块210产生若干个输出子向量，即
Figure BDA0003824284120000116
需要说明的是，对于输出子向量，i(i＝1,2,…,n)有两层意思：(1)i是第二个下标数值，表示作为输出的x子向量中每个向量元素在数据试验数据序列Cj中的周期的时间位置，(2)i下标数值的位置还表示作为输出的x子向量中每个向量元素的位置。
如图2B所示，输入子向量和输出子向量的比较关系如下：
比较(
Figure BDA0003824284120000121
和
Figure BDA0003824284120000122
),(
Figure BDA0003824284120000123
和
Figure BDA0003824284120000124
),(
Figure BDA0003824284120000125
和
Figure BDA0003824284120000126
),…,并获得他们之间的偏差，然后用这些偏差来计算在计算还原偏差(具体计算方法，以下会描述)。
图2C示出了图2A中LSTM检测模型中由传感器j(j＝1,2,…,k)所产生的输入子向量的数据格式。
图2D示出了图2A中LSTM检测模型中由传感器j(j＝1,2,…,k)所产生的输出子向量的数据格式。
如图2C所示，后继的一个输入向量中的向量元素
Figure BDA0003824284120000127
相对于在前的输入向量中的向量元素
Figure BDA0003824284120000128
向后滚动了一个周期。
如图2D所示，后继的一个输出向量中的向量元素
Figure BDA0003824284120000129
相对于在前的输出向量中的向量元素
Figure BDA00038242841200001210
向后滚动了一个周期。
在LSTM模型中，输入子向量
Figure BDA00038242841200001211
和输出子向量
Figure BDA00038242841200001212
在时间段上是对齐的。
图3示出了用于诊断本申请空调系统100的冷媒泄漏方法的流程框图300。
如图3所示，在步骤304，系统处理器116进行获取还原偏差增强系数和测试阈值比例系数的操作。
在本申请中，步骤304的功能包括：增强冷媒泄漏相关参数的敏感度，以及把冷媒泄漏从其他故障中分离。其特征是包括不同冷媒充注量下的组合试验、数据采集、数据清洗、归一化、相关性分析、敏感度分析、输入量筛选、多元线性回归、训练LSTM模型、和获取测试阈值和测试阈值比例系数。
具体的说，本申请空调系统的运行结构是：通过蒸汽压缩循环实现制冷或制热的装置。冷媒是充注在空调回路系统中的介质，常用的冷媒有R22、R32、R410a、R134a、R1234ze、R515B等，本申请适用所有冷媒的泄漏检测。在检测冷媒泄漏时是会遇到的两个技术问题，如下：
(1)在空调系统中，冷媒充注量的变化会产生全局性的影响。比如冷媒过充后，回路中的静态(基础)压力偏高，进而影响蒸发器和冷凝器的相变温度发生漂移，影响制冷/热量和性能。同时偏高的吸气压力也会使压缩机工作点在效率图产生偏移，另外部件性能的变化又会使系统控制逻辑驱动它们做出新的调整，最终产生更大的影响。冷媒泄漏后，空调系统通常出现制冷/热能力下降、功耗高、吸气压力低甚至吸气压力报警等问题。
(2)当空调系统出现性能退化时，冷媒泄漏仅是潜在因素之一，还可能包括冷凝器或蒸发器内的污垢系数过大、风冷换热器风侧的脏堵(如北方地区早春常积聚柳絮)、电子膨胀阀异常等，甚至多个故障同时发生。
本申请所步骤304的目的包括解决上述两个问题：一是从大量的系统传感器参数中找到敏感特征，二是能够把冷媒泄漏从其他的故障因素中分离出来。在实际操作中，对于所有传感器参数，都会进行获取各传感器的还原偏差增强系数β1,β2,…,βk的步骤，得到的还原偏差增强系数β1,β2,…,βk中有些系数非常接近零，也就是和冷媒泄漏量不相关。对于不相关的比例系数，将其去除掉，相当于把与冷媒泄漏相关的传感器参数保留了下来。
在完成步骤304的操作后，操作转到步骤306。
在步骤306，系统处理器116进行无冷媒数据采集与训练的操作。步骤306的进行是在是在无冷媒泄漏诊的条件下采集空调系统参数，对采集的空调系统参数进行训练，并根据获取的还原偏差增强系数诊断阈值。
在完成步骤306的操作后，操作转到步骤308。
在步骤308，系统处理器116在线冷媒泄漏诊断操作。在执行步骤308中，系统处理器116先获得增强还原偏差，然后根据增强还原偏差来提供诊断系统的泄露情况并发送诊断报告。
在完成步骤308的操作后，操作转到步骤310，流程300结束。
图4示出了图3所示流程框图300中步骤304的具体流程，用于示出步骤304的更具体的步骤。
如图4所示，在步骤402，系统处理器116以不同冷媒充注量和/或不同制冷工况下(GB制冷工况、AHRI工况、I PLV制冷工况)的组合下，进行试验操作。
对于获取还原偏差增强系数，我们需要设置试验，即：
(1)每个新型号的空调产品，都需要按AHRI和/或GB的表格做100％冷媒充注量下的试验。所以，现有试验方案充分利用了在获取IPLV(Integrated Part-Load Value)时的试验数据。
(2)仅有100％的充注量并不能满足获取还原偏差增强系数的要求。所以，我们还补充了95％,90％和85％冷媒充注量下的试验。如此设置，也充分利用了GB标准(GB/T10870)和AHRI标准(AHRI Standard 550/590)中对部分负荷工况的设计技巧。这两个标准在对大量客户机组的实际运行工况统计分析的基础上提出了4个档位。把这个4个档位综合起来，能够较好地估计客户的实际运行状态。因此，在这4个档位下进行冷媒泄漏模拟，也相当于用较少的测试资源获得更接近用户实际应用中的状态参数(即反映机组状态的参数，如温度、压力、流量、功率等)。也就说，能够获得更有效的还原偏差增强系数。
作为一个实施例，在步骤402中，冷媒充注量变化组合的选择有数个(例如4个)，所述数个不同冷媒充注量包括无泄漏、第一泄漏量、第二泄漏量和第三泄漏量，所对应的数值是：100％,95％,90％,85％，其中100％表示机组没有任何泄漏，冷媒充注量处于出厂状态；95％表示冷媒泄漏了标准充注量的5％；90％表示冷媒泄漏了标准充注量的10％；85％表示冷媒泄漏了标准充注量的15％。
在完成步骤402的操作后，操作转到步骤404。
在步骤404中，控制器116进行数据采集操作。具体的说，步骤404对于4种冷媒充注量，并且对于每种充注量中在2个制冷标准(以AHRI制冷工况和GB制冷标准为例)的4种工作状态组合，组合起来一共16个测试点，进行数据采集操作。基于这16个测试点，通过图1中相应的传感器对这l6个测试点进行预测数据采集。以下的表1和表2中各示出了4种档位状态，如下：
表1.AHRI标冷工况
Figure BDA0003824284120000151
表2.GB标冷工况
Figure BDA0003824284120000152
在AHRI标准中，标准制冷工况只明确提到了蒸发器出水温度为44℉(6.7℃)，进口温度按设计的100％制冷能力确定。所以在表1中进口温度假设为A，所以A是一个需要计算的待确定值。
现在结合图2B来描述步骤404的数据采集操作。
在步骤404，我们假设有j个传感器，其中j＝1,2,…,k。每个传感器j会采集到会采集到一个如图2B所示的试验数据序列Cj(j＝1,2,…,k)。
在完成步骤404的操作后，操作转到步骤406。
在步骤406中，系统处理器116对传感器所采集的数据进行数据清洗操作。数据清洗操作的用途是：去除在传感器所采集的预测数据中，因短时波动造成的响应延迟，因为这些延迟数据会影响还原偏差增强系数的有效性。
在完成步骤406的操作后，操作转到步骤408。
在步骤408完成数据清洗后，系统处理器116对传感器所采集的预测数据进行数据归一化操作。
数据归一化操作的用途是：对传感器采集预测数据进行归一化的好处是可以避免数字单位或量级对后续数据计算和分析稳定性的干扰。
作为一个实施例的归一化方法是最值归一化，即用采集数据集中的最大值和最小值把每个数据调整到[0,1]。对于[x1,x2,…,xn]内的元素xi,获得最值归一化结果x′i的计算方法如下：
Figure BDA0003824284120000161
在完成步骤408的操作后，操作转到步骤410。
在步骤410，系统处理器116进行数据相关性分析操作。
数据相关分析操作的用途是：从传感器所采集的预测参数中筛选出与冷媒泄漏相关性更好的参数。在一个实施例中，在约克品牌水冷空调上的筛选结果包括：1)压缩机吸气温度、2)压缩机排气温度、3)环境温度、4)蒸发器进水温度、5)蒸发器出水温度、6)膨胀阀开度、7)风机转速、8)压缩机频率、9)压缩机电流、10)冷凝器出口冷媒温度、11)蒸发器进出水温差、12)压缩机吸排气温差、13)冷凝器进出口冷媒温差。
在完成步骤410的操作后，操作转到步骤412。
在步骤412，系统处理器116进行输入量筛选操作。输入量筛选操作的目的是在所有的传感器参数中找到对冷媒变化敏感的参数。由于传感器数量众多，数据采集频率较高，直接存储和运算大量的数据非常耗费存储空间和计算资源，成本太高。所以，通过筛选输入量，可以精简输入，减少数据存储成本，提高计算速度。
需要说明的是，操作步骤406-412对传感器j(j＝1,2,…,k)在步骤404采集到的如图2B所示的试验数据序列Cj(j＝1,2,…,k)进行了优化处理。即使不执行步骤406-412，从步骤404直接转到步骤413，这种操作法也能的到改进的结果，也在本申请要求保护的范围中。
在完成步骤412的操作后，操作转到步骤413。
在步骤413，系统处理器116进行多元线性回归操作。多元线性回归操作的用于获得每个传感器的回归系数，并把回归系数作为还原偏差增强系数。对于还原偏差增强系数的计算方法，其特征是以归一化的冷媒的充注量作为因变量，以归一化的其他筛选数据作为因变量，进而建立函数形式如下：
Figure BDA0003824284120000181
其中，i表示一个样本(例如0s、10s、20s、30s…)，k表示有k个自变量(例如传感器的数量)，
Figure BDA0003824284120000182
表示第i时间的冷媒充注量的预测值。
多元线性回归参数的估计方法通常采用最小二乘法，原理是让实测值与估计值之间差的平方和最小，yi表示第i时间的冷媒充注量的实际值。对于i这个样本，其实际值与估计值的差为：
Figure BDA0003824284120000183
对于所有的n样本，实测值与估计值差的平方和公式如下：
Figure BDA0003824284120000184
最小二乘法的原理是就是寻找一组系数β0,β1,…,βk使得Q最小。Matlab、pythonscikit-learn都相应的封装函数可用于计算多元回归系数。所述的回归系数β1,β2,…,βk就是后面要用到的还原偏差增强系数β。一个实施例得到还原偏差增强系数如下表3：
表3
Figure BDA0003824284120000185
Figure BDA0003824284120000191
其中，
Tcomp_suc压缩机吸气温度
Tcomp_dis压缩机排气温度
Tedb环境温度
Twater_in蒸发器进水温度
Twater_out蒸发器出水温度
EXV膨胀阀开度
Speed_fan风机转速
Freq_comp压缩机频率
I_comp_motor压缩机电流
Tcond_out冷凝器出口冷媒温度
Twater_delta蒸发器进出水温差
Tcomp_delta压缩机吸排气温差
Tcond_delta冷凝器进出口冷媒温差
对于每个输入量的预测值
Figure BDA0003824284120000192
和实测值yi；我们计算该输入量的平均绝对误差(MAE)：
Figure BDA0003824284120000193
显然，对于k个输入就有k个MAE，其特征是所述增强还原偏差定义为:
Figure BDA0003824284120000194
在本申请中所计算的参数中，还原偏差增强系数β代表每个还原偏差的贡献度，但是β1,β2,…,βk与加权算法是不一样的，因为一般的加权算法配置的是总和为1的若干个系数，为了是把一组数值加和较大的向量映射到平均值；而此处的β1,β2,…,βk贡献度是根据敏感度对更能反映冷媒泄漏程度的偏差进行方法，进而提高灵敏度，其中β1,β2,…,βk的总和可以不等于1。
作为一个实施例，我们以三个传感器为例，计算各个传感器的还原偏差增强系数(β1,β2,β3)。如下表4所示，前1000秒(s)的冷媒充注量的实际值为100kg，即y＝100kg，每个传感器取101个(每间隔10s取一个样本参数)样本参数(i＝101,j＝1,2,3)。
表4
Figure BDA0003824284120000201
此时，对于每个时间样本实际值为：
Figure BDA0003824284120000202
实际值与估计值的差为：
Figure BDA0003824284120000203
对于101个样本，实测值与估计值差的平方和公式如下：
Figure BDA0003824284120000204
使用最小二乘法，寻找一组系数β1,β2,β3使得Q最小。
以上的实施例是针对三个传感器进行计算的，但是该计算方法同样适用于任意k个传感器的还原偏差增强系数的计算。
在完成步骤413的操作后，操作转到步骤414。
在步骤414，系统处理器116进行输入数据编码操作。现结合图2A和2B来描述输入数据编码操作。
在优化处理后，如图2B所示，在步骤414，将数据试验数据序列Cj(j＝1,2,…,k)按周期时间的滚动截取若干个输入子向量，即
Figure BDA0003824284120000211
每个输入子向量中具有n个向量元素(或n维的向量)。n维输入子向量中的每一个具有i(i＝1,2…,n)个向量元素，即：
Figure BDA0003824284120000212
比如，我们对过去一个月的数据(长的时间序列数据)进行分析，数据时间的起点和终点对应的是月初和月末。我们根据上述长的时间序列数据，缩进式地截取成若干个子向量。
在完成步骤414的操作后，操作转到步骤415。
在步骤415，系统处理器116进行训练LSTM模型操作。现结合图2A和2B来描述训练LSTM模型操作。
在输入向量组模块202(参见图2B)接收到所述n维的输入子向量
Figure BDA0003824284120000213
Figure BDA0003824284120000214
后，输出向量组模块210(参见图2B)产生若干个输出子向量
Figure BDA0003824284120000215
Figure BDA0003824284120000216
即
Figure BDA0003824284120000217
在完成步骤415的操作后，操作转到步骤416。
在步骤416中，控制器116获取测试阈值。
现在以3个传感器(即，k＝3)举例说明。
对于第一传感器，第一输出向量组Y1的元素为
Figure BDA0003824284120000221
对应的第一目标向量组X2的元素为
Figure BDA0003824284120000222
对于第一输出向量组的还原偏差为：
Figure BDA0003824284120000223
对于第二传感器，第一输出向量组Y2的元素为
Figure BDA0003824284120000224
对应的第一目标向量组X2的元素为
Figure BDA0003824284120000225
对于第一输出向量组的还原偏差为：
Figure BDA0003824284120000226
对于第三传感器，第一输出向量组Y3的元素为
Figure BDA0003824284120000227
对应的第一目标向量组X3的元素为
Figure BDA0003824284120000228
对于第一输出向量组的还原偏差为：
Figure BDA0003824284120000229
在三个输入传感器的假定下，还原偏差增强系数有三个β1,β2,β3，所以第一输出向量组的增强还原偏差计算如下：
Figure BDA00038242841200002210
其中，等号左边的“2”表示时间起、终点与第二输入向量组相对应。
对于第二、第三等后续周期时间的输出向量组，本申请重复以上计算过程，得到后续的EnhancedRE3,EnhancedRE4,…,EnhancedREn+1。对若干个增强还原偏差EnhancedRE3,EnhancedRE4,…,EnhancedREn+1从高到低进行排序，把前o个(作为一个实施例10个)增强还原偏差的均值作为测试阈值。获取诊断阀值系数的具体公式如下：
Figure BDA0003824284120000231
其中i表示经排序后的前o个增强还原偏差的序号，g0对应在无冷媒泄漏情况下的试验数据。接着从试验数据集中筛选出第一泄漏量、第二泄漏量和第三泄漏量下的试验数据，以同样的方法重复步骤418，获得第一测试阈值g1、第二测试阈值g2和第三测试阈值g3。
在完成步骤416的操作后，操作转到步骤418。
在步骤418中，控制器116获取测试阈值比例系数。
根据步骤416中获取的测试阈值g0,g1,g2,g3计算测试阈值比例系数α1，α2，α3，其中α1＝g1/g0；α2＝g2/g0；α3＝g3/g0。
至此，对试验数据集(Test Data)的处理已完成。
图5示出了图3所示流程框图300中步骤306的具体流程，用于示出步骤306的更具体的步骤。
如图5所示，在步骤502，在空调系统无冷媒泄漏的工况下，系统处理器116进行采集数据操作。
在步骤502中，系统处理器116进行采集数据操作与步骤402相似。在完成步骤502的操作后，操作转到步骤504。
在步骤504中，系统处理器116进行数据清洗操作。
在步骤504中，系统处理器116进行数据清洗操作与步骤406相似。在完成步骤504的操作后，操作转到步骤506。
在步骤506中，系统处理器116进行数据输入量筛选操作。
在步骤506中，系统处理器116进行数据输入量筛选操作与步骤412相似。在完成步骤506的操作后，操作转到步骤508。
需要说明的是，操作步骤504-506对传感器j(j＝1,2,…,k)在步骤502采集到的如图2B所示的试验数据序列Cj(j＝1,2,…,k)进行了优化处理。即使不执行步骤504-506，从步骤502直接转到步骤508，这种操作法也能的到改进的结果，也在本申请要求保护的范围中。
在步骤508中，系统处理器116进行输入数据编码操作。系统处理器116进行输入数据编码操作与步骤414相似。在完成步骤508的操作后，操作转到步骤510。
在步骤510中，系统处理器116进行训练LSTM模型操作。系统处理器116进行输入数据编码操作与步骤415相似。在完成步骤510的操作后，操作转到步骤512。
在步骤512中，系统处理器116进行计算还原偏差的操作。
类似步骤416中的方法，还是以3个传感器为例，对于第一传感器，第一输出向量组Y1的元素为
Figure BDA0003824284120000241
对应的第一目标向量组X2的元素为
Figure BDA0003824284120000242
对于第一输出向量组的还原偏差为：
Figure BDA0003824284120000243
对于第二传感器，第一输出向量组Y2的元素为
Figure BDA0003824284120000251
对应的第一目标向量组X2的元素为
Figure BDA0003824284120000252
对于第一输出向量组的还原偏差为：
Figure BDA0003824284120000253
对于第三传感器，第一输出向量组Y3的元素为
Figure BDA0003824284120000254
对应的第一目标向量组X3的元素为
Figure BDA0003824284120000255
对于第一输出向量组的还原偏差为：
Figure BDA0003824284120000256
在完成步骤512的操作后，操作转到步骤514。
在步骤514中，系统处理器116进行计算增强还原偏差的操作。
在三个输入传感器的假定下，还原偏差增强系数有三个β1,β2,β3，所以第一输出向量组的增强还原偏差计算如下：
Figure BDA0003824284120000257
对于第二、第三等后续周期时间的输出向量组，本申请重复以上计算过程，得到后续的输出向量组的增强还原偏EnhancedRE3,EnhancedRE4,…,EnhancedREn+1。
在完成步骤514的操作后，操作转到步骤516。
在步骤516中，系统处理器116从上述操作中得到的若干个输出向量组的增强还原偏差中选择最大的一个作为无泄漏诊断阈值：
G0＝max(EnhancedREi),其中i＝2,3,4…
至此无冷媒数据采集与训练的操作已完成。在完成步骤516的操作后，操作转到步骤308(参见图3)。
图6示出了图3所述流程框图300中步骤308的具体流程，用于示出步骤308的更具体的步骤。
如图6所示，在步骤602，在为了冷媒泄漏诊的情况下，系统处理器116进行数据采集(或在线数据采集)的操作。
在步骤602中，系统处理器116进行数据采集(或在线数据采集)与步骤404相似。在完成步骤602的操作后，操作转到步骤604。
在步骤604，系统处理器116进行数据清洗操作。
在步骤604中，系统处理器116进行数据清洗操作与步骤406相似。在完成步骤604的操作后，操作转到步骤606。
在步骤606，系统处理器116进行指定输入量操作。指定输入量操作是筛选传感器的过程。即，从所有的传感器数据中选出k个传感器数据，作为待分析的时间序列数据。
需要说明的是，操作步骤604-606对传感器j(j＝1,2,…,k)在步骤602采集到的如图2B所示的试验数据序列Cj(j＝1,2,…,k)进行了优化处理。即使不执行步骤604-606，从步骤602直接转到步骤608，这种操作法也能的到改进的结果，也在本申请要求保护的范围中。
在完成步骤606的操作后，操作转到步骤608。
在步骤608，处理器116进行输入数据编码操作，即子向量截取。系统处理器116进行输入数据编码操作与步骤414相似。在完成步骤608的操作后，操作转到步骤610。
在步骤610，系统处理器116进行用LSTM解码器进行预测操作。该预测操作指向LSTM解码器中输入隐态向量，产生输出向量组的过程。
在完成步骤610的操作后，操作转到步骤612。
在步骤612，系统处理器116进行计算增强还原偏差操作。在执行步骤612时，系统处理器116根据还原偏差增强系数以及还原偏差来获得增强还原偏差，获得增强还原偏差的公式如下：
Figure BDA0003824284120000271
其中i＝1，2，3…，
在完成步骤612的操作后，操作转到步骤613。
在步骤613中，根据步骤418中计算出的测试阈值比例系数α1，α2，α3以及步骤516中计算出的无泄漏诊断阈值G0，计算第一诊断阈值G1、第二诊断阈值G2和第三诊断阈值G3，具体计算公式如下：
G1＝G0×α1，
G1＝G0×α2，
G1＝G0×α3.
在完成步骤613的操作后，操作转到步骤614。
在步骤614，系统处理器116读取4个级别的诊断阈值G0，G1，G2，G3，在完成读取操作后，操作流程转到步骤615。
所述诊断阈值是一组数值。其中第一个数值为无冷媒泄漏数据中的最大增强还原偏差，后续的每个数值依次大于前一个数值。一种优选的实施例是诊断阈值包括四个诊断阈值G0，G1，G2，G3，其中G0为无泄漏数据中的诊断阈值，G1＝α1xG0，G2＝α2xG0，G3＝α3xG0。一个实施例的结果如下：
G0＝0.234，α1＝1.5，α2＝3，α3＝6，
G1＝1.5×0.2334≈0.35，
G2＝3×0.2334≈0.7，
63＝6×0.2334≈1.4。
在步骤614，系统处理器116将增强还原偏差与无泄漏阈值比较，如果增强还原偏差不大于无泄漏阈值，则转到步骤615，去报告系统安全，然后转到步骤310(参见图3)，停止诊断操作流程；如果还原的偏差大于无泄漏阈值，则转到步骤616。
在步骤616，系统处理器116将增强还原偏差与第一阈值比较，如果增强还原偏差不大于第一阈值，则转到步骤617，去报告次轻度泄漏风险，然后转到步骤310(参见图3)，停止诊断操作流程；如果还原的偏差大于第一阈值，则转到步骤618。
在步骤618，系统处理器116将增强还原偏差与第二阈值比较，如果增强还原偏差不大于第二阈值，则转到步骤619，去报告中度泄漏风险，然后转到步骤310(参见图3)，停止诊断操作流程；如果还原的偏差大于第二阈值，则转到步骤620。
在步骤620，系统处理器116将增强还原偏差与第三阈值比较，如果增强还原偏差不大于第三阈值，则转到步骤621，去报告中度泄漏风险，然后转到步骤310(参见图3)，停止诊断操作流程；如果增强还原偏差大于第三阈值，则转到步骤622，报告重度泄漏风险，然后转到步骤310(参见图3)，停止诊断操作流程。
图7、8示出了用一段试验数据验证模型有效性的实施过程。
图7示出了在不同冷媒注量下的试验步骤：步骤一、在标准冷媒充注量1.6kg下进行若干个工况组合试验；步骤二、排出部分冷媒调整充注量为1.36，模拟15％的泄漏状态，并进行若干个工况组合试验；步骤三、继续排出部分冷媒调整充注量为1.12，模拟30％的泄漏状态，并进行若干个工况组合试验。前面1661个数据是标准冷媒充注量下的数据，通过这组数据训练LSTM编码网络和解码网络的模型参数，训练好后可通过计算得到无泄漏的阈值G0，并用阈值比例系数(未示出)计算得到第一诊断阈值G1、第二诊断阈值G2和第三诊断阈值G3。
在图7中，横坐标是时间序列编号，即把整个试验过程中冷媒充注量的变化记录下来，纵坐标是冷媒充注量。前面1661个数据作为无泄漏数据，用于训练LSTM编码网络和解码网络的模型参数，并计算冷媒泄漏的阈值数组。后面5400个数据作为在线监测验证数据。用不同的阈值得到计算还原增强偏差结果，并进行冷媒泄漏诊断。
图8示出了图7所示的诊断过程的实施效果。用训练好的模型对充注量为1.36kg、1.12kg和1.6kg的数据进行处理。这里的第一阈值、第二阈值和第三阈值分别对应的是5％泄漏量、10％泄漏量和15％泄漏量下的增强还原偏差，并且把超出阈值的部分在显示屏上标记为红色，所以本申请能够从一段时间序列数据中识别是否发生对应程度的冷媒泄漏。
图9示出了图1A所示控制器116具体细节的框图，示出控制器116的主要部件。控制器116能够存储并执行如图3-6流程所示的程序、存储和调用如图3-6所示流程所需的参数。
如图9所示，控制器116包括总线902、处理器904、存储器906、输入接口908和输出接口910。处理器904、存储器906、输入接口908和输出接口910连接到总线902。处理器904可以从存储器906中读出程序(或指令)，并执行该程序(或指令)以对数据进行处理；处理器904还可以将数据或程序(或指令)写入存储器906中。存储器906可以存储程序(指令)或数据。通过执行存储器906中的指令，处理器904可以控制存储器906、输入接口908和输出接口910。在本申请中，存储器906能够存储用于执行图3-6中所示流程的程序和执行程序所需的运行参数。
输入接口908配置为通过连接线127,121,125,129,123分别接收来自冷凝器传感器、蒸发器传感器、压缩机传感器、节流阀传感器和环境传感器提供传感器参数，并且将这些参数的数据转换成处理器904可识别的信号并存储在存储器906中。
处理器904配置为根据存储在存储器906中的程序计算诊断报告相关参数。
输出接口910配置为从处理器904接收诊断报告相关参数，将该相关参数转换为可供阅读的诊断报告，并通过连接线190从输出接口910输出生成诊断报告。输出接口910还配置为从处理器904接收冷凝器控制参数、节流阀控制参数、压缩机控制参数、蒸发器控制参数、热负荷(水机)控制参数、冷媒泵控制参数和冷水泵控制参数，并通过连接线191、192、193、194、195、196、197从输出接口910输出生成冷凝器控制信号、节流阀控制信号、压缩机控制信号、蒸发器控制信号、热负荷(水机)控制信号、冷媒泵控制信号和冷水泵控制信号。
由于我们很难设计完全密封的空调系统，因此冷媒泄漏是最常见的空调故障。当空调系统发生冷媒泄漏后，通常表现为制冷或制热能力(对应热泵)变差，耗电量变大。发生冷媒泄漏后，为了维持房间的设定温度和维持制冷量，空调系统不得不以更大的电流运行，进而增大了发生故障的概率。相对于现有技术中基于数据驱动或机器学习的诊断方法的空调控制系统，本申请的空调控制系统包括但不限于以下先进技术效果：
第一、本申请的方法属于一种弱监督学习方法，即用少量的冷媒泄漏试验获取阈值比例和还原偏差增强系数。在一个产品系列中，仅需要在一型号的空调上做少量的测试，其余的训练和诊断过程完全在客户机组上完成。
第二、本申请方法的诊断结果具有高度的灵敏性和稳定性。所述灵敏性即指可以识别到5％以内的冷媒泄漏，通常一个空调机组在冷媒发生5％以内的泄漏时，系统的状态参数变化非常微小。本申请通过所述还原偏差增强系数能够提高灵敏度。所述稳定性是指本申请可以在复杂的变工况下做出可靠的诊断。
第三、本申请对刚采集到的状态数据进行实时诊断，并给出诊断结果，使客户或维系人员在第一时间发现泄漏，并做出修补，最大可能地减少客户运营成本，以及因空调意外故障造成的停工停产损失。
第四、本申请适用于所有用冷媒蒸汽压缩循环制冷或制热的空调。
第五、本申请可以对诊断阈值进行分级管理，实现泄漏风险分级包括(i)安全、(ii)报告轻微泄漏风险、(iii)报告轻度泄漏风险、(iv)报告中度泄漏风险和(v)报告重度泄漏风险。
第六、本申请的控制方法可以从大量的系统传感器参数中找到敏感特征，并把冷媒泄漏的因素从其他的故障因素中分离出来，以加快诊断方法的处理速度，减轻系统的处理负担。
尽管已经结合以上概述的实施例的实例描述了本申请，但是对于本领域中至少具有普通技术的人员而言，各种替代方案、修改、变化、改进和/或基本等同方案，无论是已知的或是现在或可以不久预见的，都可能是显而易见的。另外，本说明书中所描述的技术效果和/或技术问题是示例性而不是限制性的；所以本说明书中的披露可能用于解决其他技术问题和具有其他技术效果和/或可以解决其他技术问题。因此，如上陈述的本申请的实施例的实例旨在是说明性而不是限制性的。在不背离本申请的精神或范围的情况下，可以进行各种改变。因此，本申请旨在包括所有已知或较早开发的替代方案、修改、变化、改进和/或基本等同方案。

Claims (10)

1.一种用于空调系统的冷媒泄漏诊断的控制方法，所述空调系统包括机组，其特征在于：所述控制用于空调系统的冷媒泄漏诊断的控制方法包括以下步骤：
S01,在组合试验情况下，获取试验数据序列，根据所述试验数据序列，获得k个传感器的还原偏差增强系数，基于所述还原偏差增强系数得到测试阈值，并根据所述测试阈值获得测试阈值比例系数；
S02,在无冷媒泄漏的情况下，获取试验数据序列，基于所述还原偏差增强系数和所述测试阈值比例系数，获取数个诊断阈值；
S03,冷媒泄漏诊断过程中，获取试验数据序列，基于所述k个还原偏差增强系数来获取增强还原偏差，将所述增强还原偏差与所述数个诊断阈值相比较，进行冷媒泄漏诊断。
2.根据权利要求1所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：所述空调系统包括机组和传感器j(j＝1,2,…,k)，所述k个传感器从机组中获取状态参数，所述用于空调系统的冷媒泄漏诊断的方法包括以下步骤：
在所述步骤S01中,在不同冷媒充注量下的组合试验情况下，执行步骤:
(i)为所述k个传感器中的每一个传感器j获取所有的试验数据序列Cj(j＝1,2,…,k)，每个试验数据序列Cj包括序列元素
Figure FDA0003824284110000011
其中i＝1,2,…,m,所述m表示从所述组合试验中按采样周期获取的数据点数,
(ii)根据所述试验数据序列Cj,通过多元线性回归获得k个传感器的还原偏差增强系数β1,β2,…,βk,
(iii)为所述k个传感器中的每一个传感器j,从所述试验数据序列Cj中获取一个n维输入子向量
Figure FDA0003824284110000012
其中i＝1,2,…,n,所述n表示截取周期时间，
(iv)为所述n维输入子向量
Figure FDA0003824284110000013
从所述试验数据序列Cj中获取后继n维输入子向量
Figure FDA0003824284110000014
其中i＝1,2,…,n,
(v)对应所述n维输入子向量
Figure FDA0003824284110000021
获取一个n维输出子向量
Figure FDA0003824284110000022
其中i＝1,2,…,n,
(vi)获取k个所述n维输出子向量
Figure FDA0003824284110000023
和k个所述n维输入子向量
Figure FDA0003824284110000024
各自的还原偏差，
(vii)基于所述k个还原偏差、所述还原偏差增强系数β1,β2,…,βk得到冷媒泄漏量由少到多的测试阈值g0,g1,g2,g3，并根据所述测试阈值g0,g1,g2,g3获得测试阈值比例系数α1,α2,α3,其中α1＝g1/g0,α2＝g2/g0,α3＝g3/g0；
在所述步骤S02中,在无冷媒泄漏的情况下，执行以下步骤:
(i)为所述k个传感器中的每一个传感器j获取所有的试验数据序列Cj(j＝1,2,…,k)，每个试验数据序列Cj包括序列元素
Figure FDA0003824284110000025
其中i＝1,2,…,m，所述m表示从所述组合试验中按时间周期获取的数据点数，
(ii)为所述k个传感器中的每一个传感器j，从所述试验数据序列Cj中获取一个n维输入子向量
Figure FDA0003824284110000026
其中i＝1,2,…,n，所述n表示截取周期时间，
(iii)为所述n维输入子向量
Figure FDA0003824284110000027
从所述试验数据序列Cj中获取后继n维输入子向量
Figure FDA0003824284110000028
其中i＝1,2,…,n，
(iv)对应所述n维输入子向量
Figure FDA0003824284110000029
获取一个n维输出子向量
Figure FDA00038242841100000210
其中i＝1,2,…,n，
(v)获取k个所述n维输出子向量
Figure FDA00038242841100000211
和k个所述n维输入子向量
Figure FDA00038242841100000212
各自的还原偏差，
(vi)基于所述k个还原偏差、所述还原偏差增强系数β1,β2,…,βk和所述测试阈值比例系数α1,α2,α3，获取数个诊断阈值G0,G1,G2,G3,其中G1＝G0×α1，G2＝G0×α2，G3＝G0×α3；在所述步骤S03中,冷媒泄漏诊断过程中，执行以下步骤:
(i)为所述k个传感器中的每一个传感器j获取所有的试验数据序列Cj(j＝1,2,…,k)，每个试验数据序列Cj包括序列元素
Figure FDA00038242841100000213
其中i＝1,2,…,m，所述m表示从所述组合试验中按时间周期获取的数据点数，
(ii)为所述k个传感器中的每一个传感器j，从试验数据序列Cj中获取一个n维输入子向量
Figure FDA0003824284110000031
其中i＝1,2,…,n，所述n表示周期时间，
(iii)为所述n维输入子向量
Figure FDA0003824284110000032
从试验数据序列Cj中获取后继n维输入子向量
Figure FDA0003824284110000033
其中i＝1,2,…,n，
(iv)对应所述n维输入子向量
Figure FDA0003824284110000034
获取一个n维输出子向量
Figure FDA0003824284110000035
其中i＝1,2,…,n，
(v)获取所述n维输出子向量
Figure FDA0003824284110000036
和所述n维输入子向量
Figure FDA0003824284110000037
的还原偏差，
(vi)基于计算得到的所述k个传感器的还原偏差、所述k个还原偏差增强系数β1,β2,…,βk获取增强还原偏差，
(vii)将所述增强还原偏差与所述数个诊断阈值G0,G1,G2,G3相比较，进行冷媒泄漏诊断。
3.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：
所述步骤S01是在数个不同冷媒充注量下进行的，所述数个不同冷媒充注量包括无泄漏、第一泄漏量、第二泄漏量和第三泄漏量。
4.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：
在执行所述步骤S01(vi)、所述步骤S02(v)和所述步骤S03(v)获取所述还原偏差时，通过以下公式计算：
Figure FDA0003824284110000038
5.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：
在执行所述步骤S01(vii)获取所述测试阈值g0,g1,g2,g3时，执行以下步骤；
通过以下公式计算每个输出子向量的增强还原偏差：
Figure FDA0003824284110000041
从试验数据集中筛选出无泄漏试验数据，对得到的多个增强还原偏差从高到低进行排序，
把经排序后的前o个增强还原偏差的均值作为原始测试阈值g0，具体计算公式如下：
Figure FDA0003824284110000042
其中i表示经排序后的前o个增强还原偏差的序号，
从所述试验数据集中筛选出第一泄漏量、第二泄漏量和第三泄漏量下的试验数据，分别把所述第一泄漏量、所述第二泄漏量和所述第三泄漏量下的经排序后的前o个增强还原偏差的均值作为第一测试阈值g1,第二测试阈值g2和第三测试阈值g3。
6.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：
在执行所述步骤S01(ii)获取所述β1,β2,…,βk时，执行以下步骤：
以冷媒的充注量作为因变量，以其他筛选数据作为自变量，进而建立函数形式如下：
Figure FDA0003824284110000043
其中，i表示一个样本,其中i＝1,2,…,m，m表示有m个时间样本，
Figure FDA0003824284110000044
表示回归得到的冷媒充注量。多元线性回归参数的估计方法通常采用最小二乘法，对于i这个样本，其实际值与估计值的差为：
Figure FDA0003824284110000045
对于所有的m时间样本，实测值与估计值差的平方和公式如下：
Figure FDA0003824284110000046
最小二乘法的原理是就是寻找一组系数β0,β1,…,βk使得Q最小。
7.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：
在执行所述步骤S02(vi)获取所述数个诊断阈值G0,G1,G2,G3时，执行以下步骤：
从多个输出向量组的增强还原偏差中选择最大的一个作为无泄漏诊断阈值G0，具体计算公式如下：
G0＝max(EnhancedREi),其中i＝2,3,4…。
8.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于：
在执行所述步骤S03(vi)获取增强还原偏差时，通过以下公式进行计算：
Figure FDA0003824284110000051
其中i＝1,2,3…。
9.根据权利要求2所述的用于空调系统的冷媒泄漏诊断的控制方法，其特征在于还包括步骤：
从大量的系统传感器参数中找到敏感特征，
把冷媒泄漏从其他的故障因素中分离出来。
10.一种空调系统，所述空调系统包括机组、传感器j(j＝1,2,…,k)和控制器，所述传感器从所述机组中获取向量参数，其特征在于：
所述控制器按照权利要求1-9的方法所获取的参数来控制所述空调系统。
CN202211053935.7A 2022-08-31 2022-08-31 用于冷媒泄漏诊断的空调系统及其控制方法 Pending CN115406055A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211053935.7A CN115406055A (zh) 2022-08-31 2022-08-31 用于冷媒泄漏诊断的空调系统及其控制方法
US18/240,291 US20240068721A1 (en) 2022-08-31 2023-08-30 Systems and methods for refrigerant leakage diagnosis

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211053935.7A CN115406055A (zh) 2022-08-31 2022-08-31 用于冷媒泄漏诊断的空调系统及其控制方法

Publications (1)

Publication Number Publication Date
CN115406055A true CN115406055A (zh) 2022-11-29

Family

ID=84164630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211053935.7A Pending CN115406055A (zh) 2022-08-31 2022-08-31 用于冷媒泄漏诊断的空调系统及其控制方法

Country Status (2)

Country Link
US (1) US20240068721A1 (zh)
CN (1) CN115406055A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820159A (zh) * 2023-04-28 2023-09-29 江苏拓米洛高端装备股份有限公司 试验箱的降温时间控制方法、装置、设备及储存介质
CN116820159B (zh) * 2023-04-28 2024-06-04 江苏拓米洛高端装备股份有限公司 试验箱的降温时间控制方法、装置、设备及储存介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820159A (zh) * 2023-04-28 2023-09-29 江苏拓米洛高端装备股份有限公司 试验箱的降温时间控制方法、装置、设备及储存介质
CN116820159B (zh) * 2023-04-28 2024-06-04 江苏拓米洛高端装备股份有限公司 试验箱的降温时间控制方法、装置、设备及储存介质

Also Published As

Publication number Publication date
US20240068721A1 (en) 2024-02-29

Similar Documents

Publication Publication Date Title
Rogers et al. A review of fault detection and diagnosis methods for residential air conditioning systems
Rossi et al. A statistical, rule-based fault detection and diagnostic method for vapor compression air conditioners
US7188482B2 (en) Fault diagnostics and prognostics based on distance fault classifiers
Kim et al. Development and evaluation of virtual refrigerant mass flow sensors for fault detection and diagnostics
Chen et al. A fault detection technique for air-source heat pump water chiller/heaters
CN100549574C (zh) 基于距离故障分类器的故障诊断和预测
Cheung et al. Simulation of fault impacts for vapor compression systems by inverse modeling. Part II: System modeling and validation
Kim et al. Fault detection and diagnostics analysis of air conditioners using virtual sensors
CN114484731A (zh) 一种基于stacking融合算法的中央空调故障诊断方法及装置
EP3553426A1 (en) Data processing method for refrigerant leakage detection
Guo et al. Modularized PCA method combined with expert-based multivariate decoupling for FDD in VRF systems including indoor unit faults
CN110940052A (zh) 一种空调冷媒泄漏检测方法及使用该方法的空调
CN115406055A (zh) 用于冷媒泄漏诊断的空调系统及其控制方法
CN113272603B (zh) 异常判定装置、包括该异常判定装置的冷冻装置及压缩机的异常判定方法
Bailey et al. Creating an automated chiller fault detection and diagnostics tool using a data fault library
EP4317848A1 (en) Air conditioning system, abnormality estimation method for air conditioning system, air conditioner and abnormality estimation method for air conditioner
JP7124851B2 (ja) 空気調和機
Lee et al. Refrigerant charge prediction based on start-up characteristics of an air conditioner using a gray box model
Li et al. On-line models for use in automated fault detection and diagnosis for HVAC&R equipment
Rueda et al. Fault detection and diagnosis in liquid chillers
EP4317820A1 (en) Air-conditioning system, refrigerant amount estimation method for air-conditioning system, air conditioner, and refrigerant amount estimation method for air conditioner
Lemort et al. A Generalized Simulation Model of Chillers and Heat Pumps to be Calibrated on Published Manufacturer's Data
EP4235046A1 (en) Air conditioner
Bellanco et al. FDD method for a variable-speed heat pump with natural refrigerants
CN113669839A (zh) 检测冷媒泄漏的方法和计算机可读存储介质以及空调器

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination