臺灣博碩士論文加值系統

本研究主要目的: 應用類神經網路及模糊推論之理論，發展離心式冰水機故障偵測與診斷策略(以下簡稱FDD策略)，並探討不同故障診斷策略對故障診斷率與誤診率之影響，以找出較適用之離心式冰水機故障偵測與診斷策略。研究結果發現：針對七種離心式冰水機漸變故障進行診斷，模糊推論FDD策略診斷率與誤診率分別為88.0%與12.0%；類神經網路FDD策略之診斷率與誤診率分別為93.7%與6.3%。與現有文獻陳[11]FDD策略(診斷率與誤診率分別為34.8%與65.2%)結果相較，提升了FDD策略診斷與降低誤診率。針對六種離心式冰水機漸變故障進行診斷，模糊推論FDD策略診斷率與誤診率分別為97.2%與2.8%；類神經網路FDD策略之診斷率與誤診率分別為98.5%與1.5%。與現有文獻凌[12]FDD策略 (診斷率與誤診率分別為36.4%與53.6%)結果相較，提升了FDD策略診斷與降低誤診率。模糊推論與類神經網路FDD策略均能提升故障診斷率以及降低誤診率，兩方法相較，類神經網路結果較佳，因此類神經網路為離心式冰水機故障診斷較適用策略。

Aim of this research is using theories of fuzzy inference and neural network to develop fault detection and diagnosis (FDD) strategy for centrifugal chiller. And explore to influence of fault diagnosis rate and misdiagnosis rate in different fault diagnosis strategy to find more suitable fault detection and diagnosis strategy for centrifugal chiller. For seven soft fault of centrifugal chiller, fault diagnosis rate and misdiagnosis rate of fuzzy inference FDD strategy were 88.0% and 12.0%; fault diagnosis rate and misdiagnosis rate of neural network FDD strategy were 93.7% and 6.3%. Compared with Chen [11] FDD strategy (34.8% and 65.2%), raised diagnosis rate and reduced misdiagnosis rate. For six soft fault of centrifugal chiller, fault diagnosis rate and misdiagnosis rate of fuzzy inference FDD strategy were 97.2% and 2.8%; fault diagnosis rate and misdiagnosis rate of neural network FDD strategy were 98.5% and 1.5%. Compare with Lin [12] FDD strategy (36.4% and 53.6%), raised diagnosis rate and reduced misdiagnosis rate.FDD strategy using fuzzy inference and neural network both could raised diagnosis rate and reduced misdiagnosis rate. Compared the two strategy, neural network is better. Therefore, fault detection and diagnosis strategy using neural network is most suitable strategy for centrifugal chiller.

摘　要 i
ABSTRACT ii
誌 謝 iii
目 錄 iv
表目錄 vi
圖目錄 vii
第一章 前言 1
1.1 研究背景與動機 1
1.2 文獻回顧 4
1.3 研究目的 7
第二章 故障偵測與診斷理論介紹 8
2.1離心式冰水機故障 8
2.2故障偵測與診斷理論 10
2.2.1故障偵測 10
2.2.2故障診斷 11
2.2.3故障評估 11
2.2.4系統反應 11
第三章 離心式冰水機故障偵測與診斷策略 12
3.1性能指標定義 16
3.2性能指標迴歸模式介紹 18
3.2.1性能指標迴歸模式 18
3.2.2擬合係數求解流程 18
3.2.3預測品質判定準則 20
3.3標準殘差值 20
3.4故障診斷器 21
3.4.1故障偵測門檻配合故障分類器 21
3.4.1.1故障偵測門檻 21
3.4.1.2故障分類器 23
3.4.2模糊推論 ( fuzzy inference) 25
3.4.2.1模糊基礎理論介紹 25
3.4.2.2模糊推論介紹 25
3.4.2.3建立模糊推論之故障診斷器 28
3.4.3類神經網路(Neural Network)介紹 32
3.4.3.1類神經網路基本理論 32
3.4.3.2神經運算元以及網路架構介紹 32
3.4.3.3類神經網路運算過程 35
3.4.3.4類神經網路之故障診斷器建立 37
3.5 FDD策略之故障診斷率及誤診率定義 38
第四章 研究數據介紹 40
4.1 實驗系統與內容 40
4.2 實驗數據介紹 42
4.3 故障數據篩選 45
第五章 結果與討論 46
5.1 與陳[11]冰水機FDD策略比較 46
5.2 與凌[12]冰水機FDD策略比較 52
5.3 綜合評比 59
第六章 結論 61
參考文獻 62
符號說明 65

[1]台灣經濟部能源局，”2010能源產業技術白皮書”，2010。
[2]S. Katipamula and M.R. Brambley, "Methods for fault detection, diagnostics, and prognostics for building systems-a review, part II," HVAC&R Research, 11(2) 2005, pp. 169-187.
[3]陳家榮，「冰水主機節能系統效率提昇」，能源服務業成功案例示範觀摩研討會，新竹，2006。
[4]M.C. Comstock and J.E. Braun, "Experimental data from fault detection and diagnostic studies on a centrifugal chiller," ASHEAE RP-1043 Report, 4036-1, 1999.
[5]林逸群，應用專家系統於中央空調系統之故障診斷，碩士論文，國立台北科技大學電機工程系碩士班，台北，2002。
[6]R. Isermann, "Process fault detection based on modeling and estimation a survey, " Automatica, 20(4), 1984, pp. 387-404.
[7]J.E. Braun, "Automated fault detection and diagnostics for vapor compression cooling equipment," Transactions of the ASME, 125(3), 2003, pp. 266-274.
[8]Y. Jia and T.A. Reddy, "Characteristic physical parameter approach to modeling chillers suitable for fault detection, diagnosis," Transactions of the ASME, 125(3), 2003, pp. 258-265.
[9]S.W. Wang and J.T. Cui, "A model-based online fault detection and diagnosis strategy for centrifugal chiller systems," International Journal of Thermal Sciences, 44(10), 2005, pp. 986-999.
[10]T.A. Reddy, "Development and evaluation of a simple model-based automated fault detection and diagnosis (FDD) method suitable for process faults of large chillers," ASHRAE Transactions, 113(1), 2007, pp. 27-39.
[11]陳俊宏，離心式冰水機組自動化故障偵測與診斷策略之研究，碩士論文，國立台北科技大學能源與冷凍空調工程系碩士班，台北，2008。
[12]凌士剛，性能指標迴歸模式準確性對離心式冰水機故障偵測與診斷策略影響之研究，碩士論文，國立台北科技大學能源與冷凍空調工程系碩士班，台北，2009。
[13]Q. Zhou, S.W. Wang and F. Xiao, "A Novel Strategy for the Fault Detection and Diagnosis of Centrifugal Chiller Systems," HVAC&R Research, 15(1), 2009, pp. 57-75.
[14]International Energy Agency (IEA), "Demonstrating automation fault detection and diagnosis methods in real buildings," FINLAND: Technology Research Center of FINLAND, 2001.
[15]黃登源，應用迴歸分析，華泰文化，1998。
[16]趙民德、謝邦昌，迴歸分析，曉園出版社，2000。
[17]潘南飛，工程統計，全威圖書，2003。
[18]吳榮彬，工程統計學原則與應用，美商麥格羅希爾國際股份有限司台灣分公司，2003。
[19]方世榮，統計學導論，華泰文化事業股份有限公司，2007。
[20]蘇木春、張孝德，機械學習:類神經網路、模糊系統以及基因演算法則，全華科技圖書有限公司，2000。
[21]J. S. Jang, Neuro-Fuzzy AND Soft Computing, Pearson Education Taiwan Ltd, 2004。
[22]巫沛倉，第九章-模糊集合與模糊邏輯系統，講義，義守大學工業工程學系。
[23]張國良，模糊控制及其MATLAB應用，西安交通大學出版社，2002。
[24]葉怡成，應用類神經網路，儒林圖書有限公司，1999。
[25]巫沛倉，第四章-倒傳遞類神經網路，講義，義守大學工業工程學系。
[26]C. R. Hema, M. P. Paulraj, R. S. Y. Nagarajan and A. H. Adom, "Brain machine interface: a comparison between fuzzy and neural classifiers," International Journal of Innovative Computing, Information and Control, Vol 5, no. 7, 2009.