文献

J-GLOBAL ID：201702276569510971   整理番号：17A1743230

主成分分析(PCA)は,多重結合空調システムにおけるセンサ故障検出と診断のために使用される。【JST・京大機械翻訳】

Sensor Fault Detection and Diagnosis for Variable Refrigerant Flow Air Conditioning System based on Principal Component Analysis

著者 (6件)： Zhang Hongtao (華中科技大学 制冷与低温工程系 武漢 430074) ,  Chen Huanxin (華中科技大学 制冷与低温工程系 武漢 430074) ,  Li Guannan (華中科技大学 制冷与低温工程系 武漢 430074) ,  Shen Limei (華中科技大学 制冷与低温工程系 武漢 430074) ,  Li Shaobin (珠海格力電器有限公司 珠海 519070) ,  Hu Wenju (北京建筑大学供熱供燃气通風及空調工程北京市重点実験室 北京 100044)
資料名： Zhileng Xuebao  (Zhileng Xuebao)
巻： 38  号： 3  ページ： 76-81  発行年： 2017年 
JST資料番号： C2180A  ISSN： 0253-4339  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多変量データ分析法の一つとして、主成分分析(PCA)は冷凍空調システムのセンサー故障を診断するのに広く応用されている。本論文では、まず、熱平衡原理及び多オンライン運転の制御ロジックを結合し、システムによく使われる18個のセンサー変数をスクリーニングし、マルチオンライン(VRF)センサーの故障分析(FDD)モデルを構築した。次に,主成分分析(PCA)の原理に基づいて,Q統計量とQ寄与率を試験基準として用いて,センサ故障検出と診断フローを示した。測定データの検証により,異なる型と程度のセンサ故障を導入し,異なる故障条件下での故障検出と診断特性を解析した。結果は以下を示した。全体として,主成分分析は,マルチオンラインセンサの故障検出と診断プロセスにおいて信頼できる。具体的な特徴は以下の通りである。異なるタイプのセンサの故障検出効果は,異なる故障タイプと条件の下で明らかに異なった。小偏差故障条件下では,主成分分析に基づくセンサ故障検出法の故障検出効率は低く,個別センサに対しては,全体故障検出効率は低いことが示されたが,それは,他の故障検出法よりも低いことが示された。故障診断は故障検出の結果に基づいているので,上記の故障検出方法はFDDプロセスにおいて重要な役割を果たす。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *主成分分析 ,  *故障検出 ,  故障解析 ,  熱平衡 ,  *センサ ,  検出法 ,  統計量 ,  *故障 ,  故障診断 ,  *空調システム
準シソーラス用語： 決定係数 ,  オンライン ,  多変量データ ,  *センサ故障 , 【Automatic Indexing@JST】

著者キーワード (6件)： principal component analysis ,  fault detection and diagnosis ,  Q statistic ,  Q contribution ,  sensor ,  variable refrigerant flow air conditioning system

分類 (1件)： 空気調和装置一般  (PC02010U)

タイトルに関連する用語 (6件)： 主成分分析 ,  PCA ,  多重結合 ,  空調システム ,  センサ故障 ,  診断