FDD-ON的开发:面向VAV HVAC系统故障检测与诊断的本体
摘要
本文介绍了FDD-ON,一个模块化本体,用于表示VAV HVAC系统组件、故障、症状和影响,以实现可互操作的故障检测与诊断应用。
arXiv:2607.29657v1 公告类型:新
摘要:故障检测与诊断(FDD)技术对于提高HVAC系统的可靠性、能源效率和维护有效性至关重要。然而,在建筑中有效部署FDD解决方案需要结构化的领域知识,以桥接异构数据源、多样化的设备类型和不同的诊断输出。FDD领域内有限的数据可解释性和互操作性导致了信息孤岛,阻碍了FDD及相关应用的实现,例如数字孪生支持的FDD框架和人工智能(AI)驱动的维护决策系统。本文提出了一种模块化且可扩展的FDD本体(FDD-ON),用于正式表示变风量(VAV)HVAC系统组件、故障类型、症状状态、故障影响及相关属性。FDD-ON整合了HVAC系统FDD语义,通过定义良好的受控词汇提供故障和症状属性的全面表示。此外,FDD-ON提供了全面的故障、症状和影响库,以捕捉VAV HVAC系统中广泛的操作异常及其后果。通过明确的成因-故障-症状-影响关系,FDD-ON作为机器可解释的基础,用于查询诊断知识、映射异构FDD输出以及开发可互操作的FDD相关应用。FDD-ON使用公开可用的VAV HVAC系统数据集进行评估,并通过FDD开发应用进行演示。结果表明,FDD-ON为推进跨各种应用的可扩展、透明且可互操作的FDD解决方案提供了基础语义框架。
查看缓存全文
缓存时间: 2026/08/03 07:33
# FDD-ON 的开发:VAV HVAC 系统故障检测与诊断的本体 来源:https://arxiv.org/abs/2607.29657 作者:Yimin Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+Y)、Brian Fricke (https://arxiv.org/search/cs?searchtype=author&query=Fricke,+B)、Bo Shen (https://arxiv.org/search/cs?searchtype=author&query=Shen,+B)、Jamie Lian (https://arxiv.org/search/cs?searchtype=author&query=Lian,+J)、Mingkan Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+M)、James Lo (https://arxiv.org/search/cs?searchtype=author&query=Lo,+J)、Yun Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+Y)、Shi Ye (https://arxiv.org/search/cs?searchtype=author&query=Ye,+S)、Jiajing Huang (https://arxiv.org/search/cs?searchtype=author&query=Huang,+J)、Han Hu (https://arxiv.org/search/cs?searchtype=author&query=Hu,+H)、Chujie Lu (https://arxiv.org/search/cs?searchtype=author&query=Lu,+C)、Rui Tang (https://arxiv.org/search/cs?searchtype=author&query=Tang,+R)、George Zhuang (https://arxiv.org/search/cs?searchtype=author&query=Zhuang,+G) 查看 PDF (https://arxiv.org/pdf/2607.29657) > 摘要:故障检测与诊断(FDD)技术对于提高 HVAC 系统可靠性、能源效率和维护有效性至关重要。然而,在建筑中有效部署 FDD 解决方案需要结构化领域知识,以桥接异构数据源、多样化的设备类型和不同的诊断输出。FDD 领域内有限的数据可解释性和互操作性导致了碎片化的信息孤岛,阻碍了 FDD 及相关应用(如数字孪生赋能的 FDD 框架和人工智能(AI)驱动的维护决策系统)的实施。本文提出了 FDD 本体(FDD-ON),一种模块化且可扩展的本体,用于形式化表示变风量(VAV)HVAC 系统组件、故障类型、症状状态、故障影响及相关属性。FDD-ON 集成了 HVAC 系统 FDD 语义,以提供故障和症状属性的全面表示,并辅以定义良好的受控词汇表。此外,FDD-ON 提供了全面的故障、症状和影响库,以捕获 VAV HVAC 系统中广泛的运行异常及其后果。通过明确的致因-故障-症状-影响关系,FDD-ON 作为机器可解释的基础,用于查询诊断知识、映射异构 FDD 输出,以及开发可互操作的 FDD 相关应用。FDD-ON 使用公开可用的 VAV HVAC 系统数据集进行评估,并通过 FDD 开发应用进行演示。结果表明,FDD-ON 为在各种应用中推进可扩展、透明且可互操作的 FDD 解决方案提供了基础语义框架。 ## 提交历史 来自:Yimin Chen \[查看电子邮件 (https://arxiv.org/show-email/b2c644b9/2607.29657)\] **\[v1\]** 2026年7月31日 星期五 17:37:34 UTC(1,644 KB)
相似文章
VBFDD-Agent:电动汽车电池故障检测与诊断——电池数字信号的描述性文本建模
本文提出了VBFDD-Agent,一种车辆电池故障检测与诊断代理,它利用电池信号的描述性文本建模、大语言模型和历史案例,为电动汽车电池生成可解释的诊断结果和维护建议。
CAFD: 使用VLMs的概念感知DNN故障检测
本文介绍了CAFD,一种基于学习的DNN故障检测方法,它整合了基于模型、基于距离以及一种新颖的基于概念的特征——概念失败率(CFR),该特征源自视觉语言模型。CAFD在多个数据集和预算下的故障检测率方面持续优于最先进的基线方法。
O-VAD:通过以对象为中心的跟踪与推理实现工业视频异常检测
O-VAD 提出了一种无需训练的智能体框架,用于工业视频异常检测,该框架随时间跟踪对象状态演变,并在时间轨迹上进行推理以识别异常对象,在三个数据集上优于现有的 VLM 和 VAD 方法。
面向配电缺陷检测的多模态智能体:基础模型评估
本文提出了一种用于配电缺陷检测的多模态智能体框架,评估了基础模型在感知、推理和工具使用能力方面的表现,并提供了新的领域特定数据集和基准。
基于对抗逆向强化学习的无标签工业故障检测:一种面向运行至失效预测的系统
本文提出了一种用于机械故障检测的对抗逆向强化学习框架,该框架从正常运行数据中学习健康奖励,无需故障标签,在多个基准测试中实现了一致的检测性能。