利用XGBoost集成算法和证据距离融合技术对空调机组进行故障诊断

《Journal of Building Engineering》：Fault Diagnosis of Air Conditioning Units Using XGBoost Ensemble and Evidence Distance Fusion

针对HVAC系统故障诊断中存在的数据不平衡和过拟合问题，提出基于优化梯度提升决策树（XGBoost）与证据距离融合的集成学习方法。该方法通过多分类器构建和证据融合策略，在ASHRAE-1043-RP数据集上平均准确率99.5%以上，较单一XGBoost模型提升0.6%。已在某空调制造商生产线验证，平衡效率与精度，适用于大规模实时诊断。

　　

郝阳|徐建峰|吴浩|刘玉志|陈良洲

华中科技大学机械科学与技术学院

摘要

建筑中25%-50%的能源浪费是由暖通空调（HVAC）系统的故障引起的。在制造过程中对空调单元进行在线故障诊断有助于早期发现故障，延长设备使用寿命，并降低建筑物的能耗。本文提出了一种基于优化梯度提升决策树（XGBoost）和证据距离融合的集成学习故障诊断方法，用于在线检测和分类空调系统中的多类故障。该方法采用两阶段集成策略：首先使用多个二元XGBoost分类器为每个故障类别构建高精度模型，然后通过证据距离融合进一步整合所有类别的诊断结果，从而提高模型的准确性和鲁棒性。实验使用美国供暖、制冷和空调工程师协会（ASHRAE）提供的ASHRAE-1043-RP项目数据集进行验证。结果表明，所提出的集成模型的诊断准确率比单一XGBoost模型高出0.6%，所有故障类别的平均准确率和平均F1分数均超过99.5%，表现出优异的性能。该方法已应用于中国一家领先空调制造商的生产线，实现了训练时间与测试时间之间的良好平衡，同时具备高效率和准确的故障判断能力，也显示出在大型数据集和实时故障诊断中的应用潜力。

引言

在欧盟，建筑物消耗了约40%的能源[1]。在这些建筑中，暖通空调（HVAC）系统消耗的能源最多。一项关于建筑能耗的调查显示，25%-50%的能源浪费是由于HVAC系统的故障造成的。如果能够及时发现这些故障，这一比例可以降低到15%以下[2]。空调单元的故障诊断有助于早期发现故障、延长设备寿命并减少能源消耗。在空调单元故障诊断领域，研究人员从三个方面提出了各种算法：定量物理模型、基于规则的模型和基于过程数据的模型[3]。随着近年来机器学习技术的发展，结合基于过程数据的模型和机器学习来模拟正常和异常复杂模式的方法显示出更高的识别准确性。深度学习方法在处理大规模数据集时具有更好的可扩展性，因此许多研究人员考虑将其应用于空调单元故障诊断。

例如，一种基于集成学习的空调单元故障诊断策略采用了生成对抗网络（GANs）来丰富训练数据库，并结合Bagging和Boosting技术来减少模型方差和偏差。即使在训练数据不足的情况下，该方法也能有效诊断单个或多个故障，总体准确率达到了98.54%[4]。通过优化长短期记忆（LSTM）的结构和超参数设置，LSTM在HVAC故障检测方面的准确率比随机森林（RF）和梯度增强器提高了5%-10%，但计算成本较高[5]。基于核主成分分析（KPCA）和双层双向LSTM（DL BiLSTM）的HVAC传感器小故障检测方法在准确率和误报率方面优于原始LSTM网络。然而，这也表明LSTM算法在处理多维传感器数据时存在显著波动，需要专业人员设计数据融合和预处理算法[6]。通过实施多个跨条件迁移学习任务并对方法的有效性进行了验证，以减少随机性的影响[7]。一种基于主动规则的多模态数据分析方法旨在提高空气处理单元（AHUs）的故障诊断精度，该方法有效减少了候选根本原因（CRCs）的数量，从而提高了诊断的准确性[8]。

一些研究人员专注于提高传统机器学习模型的分类能力。稀疏局部嵌入（SLE）深度神经网络特征提取算法使用空间金字塔最大池化层作为模型输出，减少了输出维度。与卷积神经网络（CNN）和支持向量机（SVM）相比，其在28个故障类别上的性能提高了5%-10%，平均准确率约为95%[9]。通过使用局部过采样扩展少数类样本，并为XGBoost的少数类权重设置敏感性权重，在10:1的不平衡比例下实现了约95%的F1分数[10]。然而，无论是机器学习还是深度学习，单个模型的分类能力都受到对多数类的过拟合限制，特别是在故障类别多、特征维度多且数据集不平衡的情况下，这会导致分类模型的性能瓶颈。为了解决这个问题，可以利用基于融合算法的多信息交互来提高所有类别的分类准确性。提出了一种基于索引融合的结构损伤识别方法，该方法将每个模态索引视为独立的证据体，分别训练反向传播（BP）神经网络，并使用Dempster-Shafer（DS）证据理论进行证据融合，从而将识别准确性提高了约10%[11]。在为从推进器状态信息和控制信息中提取的不同故障特征分配可信度后，使用DS合成规则进行融合，与传统方法相比，融合特征的相对值提高了22.7%[12]。

传统的独立训练分类模型能够模拟特征之间的耦合关系，但过度依赖特征选择算法。而基于集成学习的方法则侧重于融合多个多样化的子分类器，每个子分类器在特定类别集中表现良好。随后，通过平均、投票等通用方法融合多个子模型的分类结果。例如，堆叠集成自适应提升（AdaBoost）利用线性回归来确定多个时间段软传感模型对产品最终质量的因果效应权重，从而在产品尺寸预测中实现了更高的相关系数和更低的均方根误差，表明提升决策树模型在集成学习中的高效预测和区分能力[13]。基于多传感器两阶段特征融合的故障诊断方法在第一层使用变分模态分解（VMD）将每个传感器获取的数据分解为多域信息，在第二层使用SoftMax分类器进行整合，平均准确率达到98.92%[14]。这表明两阶段集成对提高分类器性能有显著效果。

受上述基于证据理论的集成学习和特征融合策略的启发，本文提出了一种集成学习算法，该算法整合了多个XGBoost分类器来处理单个类别，并利用证据距离理论实现二次数据融合。XGBoost通过集成多个决策树模型来避免噪声引起的过拟合，同时对非线性数据也具有高准确性。在ASHRAE-1043-RP数据集上，该融合策略和集成方法的平均准确率和召回率达到了99.5%，同时具有较低的时间复杂度和高可扩展性。

XGBoost算法原理

XGBoost基于提升框架，通过顺序组合多个决策树来更好地拟合样本的真实值。最终预测函数是所有子决策树的加权和。XGBoost通过迭代训练，在每次迭代中添加一棵新树，直到达到指定的树的数量[15]。假设有总共K棵树，第i个样本的前k棵树的输出为：$$其中η表示学习率，

应用案例研究

数据来自美国的ASHRAE-1043-RP项目[22]。该项目在27种条件下运行至稳态，收集了每10秒一次的数据，包含7种类型的故障测试。每种运行状态共有66个特征，其中包括49个由传感器监测的物理量和17个通过VisSim计算的量。在这66个特征中，有30个温度传感器特征，单位为华氏度（F）；8个VisSim模拟的冷却率特征，单位为

结论

我们的两阶段DS-XGBoost方法在ASHRAE-1043-RP数据集（28种故障类型）上的平均F1分数达到了99.49%，比单一XGBoost模型提高了0.6%的准确率。与SVM、NB、CNN、GA-XGBoost和GA-LightGBM的对比实验表明，该方法在分类准确性（99.3%-99.5%）、故障召回率（高达91.4%）和计算效率方面均优于传统模型。基于证据距离的融合策略有效解决了高冲突问题

CRediT作者贡献声明

徐建峰：监督、资源协调、概念化。郝阳：撰写初稿、软件开发、方法论设计、调查分析、形式化分析。吴浩：撰写初稿、软件开发、方法论设计、形式化分析、数据管理。陈良洲：审稿与编辑、监督、资源协调、项目管理、方法论设计、资金筹集。刘玉志：软件开发、调查分析、形式化分析、数据管理

利益冲突声明

?作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。