数据驱动法在船用冷藏集装箱系统模型建立中的应用

郑超瑜，俞文胜，陈　武

(集美大学 a.轮机工程学院；b.福建省船舶与海洋工程重点实验室，福建 厦门 361021)



数据驱动法在船用冷藏集装箱系统模型建立中的应用

郑超瑜，俞文胜，陈武

(集美大学 a.轮机工程学院；b.福建省船舶与海洋工程重点实验室，福建 厦门 361021)

利用数据驱动方法避开船用冷藏集装箱制冷机组相对复杂的控制策略，建立精度较高的系统模型,采用回归模型，通过数据驱动方法训练并获取系统模型，验证结果表明，采用数据驱动法获取的系统模型能够以较高的精度预测船用冷藏集装箱系统的正常运行状态，可作为故障诊断的判断基准。

船用冷藏集装箱；数据驱动；故障诊断；系统模型

装有不同数量、不同种类货物的冷藏集装箱在运输途中，受到诸如大气温湿度、太阳辐射角、水温、航区及航向等海洋气候环境的影响，其动态热负荷不断变化；同时，船舶在航行过程中会产生震动、摆动和颤动，因此，冷藏集装箱在运营中难免产生故障，这些故障轻则引起能耗增大，重则影响货物的质量，甚至造成货损。为了避免故障造成经济损失，冷藏集装箱在管理过程中多采取运输前检修、码头堆场的监控和检修、在船的监控和检修以及定期维修等多种措施。这些措施有些已经具备一定的智能，但还不能诊断所有故障[1]，处理系统元件或部件突然失效的“硬”故障智能程度较高，而对诸如风机性能逐步下降、冷凝器逐渐脏堵等缓慢发生的“软”故障的报警与诊断的智能程度仍然较低，需要进一步加深研究。要在冷藏集装箱上实现智能故障诊断应该加强相关的关键技术研究，尤其要加强建立冷藏集装箱故障诊断判断基准方法的研究[2]。为了匹配冷藏集装箱运输途中不断变化的动态热负荷，制冷机组的控制策略通常比较复杂，再加上制冷机组生产厂商的技术保护，具体的制造和控制参数比较难以获取，使得冷藏集装箱故障诊断判断基准的建立难度增大，因此，考虑采取合适的方法建立冷藏集装箱的系统模型作为故障诊断的判断基准。

1　冷藏集装箱故障诊断

除了运输前检查以外，无论是在码头的监控检修，还是在船的监控检修，都是采用指派专职人员定时去冷藏箱区巡查并记录和维修[3]，定时巡查能否保证故障被及时发现，取决于相关人员的技术水平以及相关经验，人为因素影响很大。为了实现更加有效的管理，实时监控成为研究的关键，要实现实时监控需要完成运行数据的实时传输以及智能分析运行数据是否正常。

根据码头堆场和船舶运输的特点，在实时数据传输方面，射频技术和卫星通信方式得到了广泛的关注[4-6]。

运行数据的智能分析诊断包括两个方面：根据运行数据判断机组系统是否处于正常运行状态；如果机组系统处于故障状态则判断是什么类型的故障。这两个方面都是实现智能故障诊断必不可少的，但第一个方面是最根本的，要是无法判断运行数据所代表的机组运行状态是否异常，自然也就无法判断故障是否发生；而且，只要能够判断机组系统的运行状态，即使无法判断故障种类，也可以在第一时间指派专职人员进行处理，避免故障的后果进一步扩大。目前，冷藏集装箱故障的智能诊断的研究还处于初步阶段，因此需要借鉴其他制冷空调领域的故障诊断技术。

可以将故障诊断的方法简单分为模型法和无模型法，在制冷空调领域，模型法应用更多，准确的模型可以为故障诊断提供可靠的判断基准。建立模型的方法有多种，其中，数据驱动模型对相关的系统知识要求较低，特别适用于系统比较复杂，难以获取完整的系统信息的场合，其精度取决于模型的形式以及驱动数据的丰富程度，在制冷空调领域，数据驱动模型得到了广泛的应用[7-11]。为了满足运输途中复杂的气候环境等因素的要求，冷藏集装箱系统及相应的控制策略相对复杂，因此，采用数据驱动的方法具有较高的可行性。

2　实验台及实验数据

2.1实验台及测量参数

用于开展实验的实验台系统如图1所示，系统采用定频涡旋压缩机、电子膨胀阀、热气旁通阀和吸气调节阀来实现容量控制。实验台具有冷冻模式、冷藏模式、融霜模式以及加热模式等工作模式，可满足货物的控温要求，实现冷藏集装箱的箱内温度保持稳定。系统配备了一系列高精度的数据采集元件，用于采集所需要的测量参数，主要包括：压缩机的吸排气压力和温度、蒸发器和冷凝器的进、出口温度、制冷剂流量、液管温度以及压缩机的运行电流和电压等，主要传感器的测量精度如表1所示。

EV-电子膨胀阀；LSV-供液电磁阀；ESV-节能电磁阀；ISV-注入电磁阀；SMV-吸气调节阀；LPT-低压传感器；HPS-高压转换阀；HPT-高压传感器；DPR-排气压力调节阀；DSV-融霜电磁阀；HSV-热气电磁阀；BSV-排气旁通电磁阀图1　实验台系统

表1　主要传感器的测量精度

2.2实验数据

实验数据有两组，分别为“数据一”和“数据二”。“数据一”是在箱内设定温度为0 ℃，箱内总负荷4.0～10.5 kW，环境温度19.6～31.7 ℃条件下所获取的数据，用于建立冷藏集装箱系统模型；“数据二”是在相同的设定温度、相同的负荷和环境温度范围所获取的数据，用于进一步验证所建议的模型的准确性。所选用的数据都是稳态数据。

3　冷藏集装箱系统模型获取及验证

3.1系统模型获取

从系统的角度看，驱动系统运行的直接参数分别是箱内设定温度Tset、外界环境温度Tamb以及蒸发器的负荷Qev，当箱内设定温度不变时，系统的运行只受环境温度和蒸发器的负荷影响。由于冷凝器风机在工作时会有部分排风被吸回，因此，冷凝器的风机的进风温度Tair_in通常会比环境温度高；对于特定的箱内设定温度，稳态运行时，定速蒸发器的风机转速是相同的，当箱内的货物不产生湿负荷的时候，蒸发器的负荷也可以用蒸发器风机的回风与送风温差ΔTev来代替。模型如下。

(1)

式中:Y——输出参数；

a0～a8——回归系数。

利用“数据一”训练模型，所建立的模型的预测精度如图2所示，液管温度、冷凝风机出风温度和冷凝温度的预测值的决定系数(R2)分别为0.947 98、0.952 74和0.890 61，这说明回归模型的拟合效果很好。

图2　“数据一”拟合的系统模型精度

3.2系统模型验证

为了对“数据一”所拟合的系统模型进行进一步的验证，将“数据二”的运行条件输入系统模型中，得到液管温度、冷凝风机出风温度和冷凝温度的预测值，将这些预测值与实际的运行参数进行比较，结果见图3。

图3　模型对“数据二”的预测精度

所有参数的误差都在±5%以内，说明系统模型具有很好的预测能力，能够根据运行条件以较高的精度(>95%)预测系统的运行参数，为故障诊断提供合理有效的判断基准。

4　结束语

采用数据驱动方法可以避开船用冷藏集装箱系统复杂多样的控制策略，建立具有较高预测精度的系统模型，对典型参数液管温度、冷凝风机出风温度和冷凝温度的预测误差范围仅在±5%。数据驱动法在船用冷藏集装箱系统模型建立中的应用研究为冷藏集装箱智能故障判断基准的建立提供了有效的手段。

受实验条件所限，冷藏集装箱系统的工作范围还不够大。在具备环境室等相关实验条件时，可以开展不同箱内设定温度、更大环境温度范围的实验，从而增加模型的适用性。此外，条件具备时也可以从运营中的多个同一型号的冷藏集装箱系统获取数据用于研究。

[1] 郑超瑜，花开太，俞文胜，等.冷藏集装箱故障诊断中的故障分类研究[J].船海工程，2014，43(6)：86-88,153.

[2] ZHENG C Y , CHEN W. The discussion on several key factors for the realization of automated fault detection and diagnosis (FDD) system in refrigerated container[C]. OEMT2011.

[3] 陈永德，陈显山，鲍纯海，等.港口冷藏集装箱监控系统的研制和应用[J].建筑施工，2009，31(2)：135-136.

[4] 吴吉安，韩厚德，张安阔.基于RFID的冷藏集装箱远洋运输远程监控研究[J].港工技术，2009，46(5)：7-9.

[5] 纪珺，韩厚德，阚安康.基于卫星通信的冷藏集装箱远程故障诊断系统[J].华中科技大学学报：自然科学版，2009，37(1)：140-143.

[6] 王亚炜，董丽华.短距离无线技术在冷藏集装箱监控中的应用探讨[J].中国电子商情：RFID技术与应用，2009(1)：25-27.

[7] Katipamula S, Michael R. Brambley. Methods for Fault Detection, Diagnostics, and Prognostics for Building System-a Review, Part I [J]. HVAC&R Research, 2005,11(1):3-20.

[8] JIA， REDDY. Characteristic physical parameter approach to modeling chillers suitable for fault detection, diagnosis, and evaluation [J]. Journal of Solar Energy Engineering, 2003(125):258-265.

[9] CUI J T, WANG S W. A model-based online fault detection and diagnosis strategy for centrifugal chiller systems [J]. International Journal of Thermal Sciences, 2005,44:986-999.

[10] ZHOU Q, WANG S W, XIAO F, et al. A novel strategy for the fault detection and diagnosis of centrifugal chiller systems [J]. HVAC & R Research, 2009,15(1):57-75.

[11] XIAO F, ZHENG C Y, WANG S W. A fault detection and diagnosis strategy with enhanced sensitivity for centrifugal chillers[J]. Applied Thermal Engineering, 2011,31:3963-3970.

Application of the Data-driven Method in Establishment of the System Model of Marine Refrigerated Container

ZHENG Chao-yu, YU Wen-sheng, CHEN Wu

(a.Marine Engineering Institute; b.Fujian Key Laboratory of Naval Architecture and Ocean Engineering， Jimei University, Xiamen Fujian 361021, China)

The control strategy of the refrigeration unit in marine refrigerated containers is relatively complex, which can be avoided by using data-driven method to build a system model with high accuracy. A regression system model of marine refrigerated container is trained and established by data-driven method, and it is also verified. The results show that the system model obtained by data-driven method can predict the normal operation conditions of marine refrigerated container with high accuracy, which can be used as the baseline of the fault detection and diagnosis in marine refrigerated container.

marine refrigerated container; data-driven; fault detection and diagnosis; system model

10.3963/j.issn.1671-7953.2016.01.024

2015-10-13

2015-11-05

福建省自然科学基金项目(2013J01201)；福建省科技厅项目(201205180008)；福建省教育厅科技项目(JA12187)；厦门市科技计划项目(3502Z20123024)

郑超瑜(1979-),男，硕士，讲师

TB61

A

1671-7953(2016)01-0120-04

研究方向:制冷空调的仿真、控制及故障诊断研究

E-mail:cyzheng@jmu.edu.cn