冷水机组喘振故障的确定方法、装置以及电子设备与流程

1.本技术涉及金融科技技术领域，具体而言，涉及一种冷水机组喘振故障的确定方法、装置以及电子设备。


背景技术：

2.目前，冷水机组在运行中容易产生喘振(surge)故障，过于频繁的喘振会损坏扩压器和叶轮，对机组甚至整个冷水系统产生巨大危害，严重威胁到数据中心冷却系统的安全，给数据中心运行带来不安全因素。但是，由于喘振流量并非一个定值，无法对喘振流量进行确定，从而导致冷水机组的故障诊断准确率低的技术问题。
3.针对上述冷水机组的故障诊断准确率低的技术问题，目前尚未提出有效的解决方案。


技术实现要素：

4.本技术的主要目的在于提供一种冷水机组喘振故障的确定方法、装置以及电子设备，以解决冷水机组的喘振故障诊断准确率低的技术问题。
5.为了实现上述目的，根据本技术的一个方面，提供了一种冷水机组喘振故障的确定方法。该方法可以包括：获取冷水机组在故障状态下的振动频率；基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系；响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。
6.可选地，该方法还包括：获取历史时间段内，使冷水机组处于故障状态下的故障部位样本；确定与故障部位样本相匹配的振动频率样本；基于振动频率样本与故障部位样本之间的映射关系，生成故障诊断模型。
7.可选地，基于振动频率样本与故障部位样本之间的映射关系，生成故障诊断模型，包括：基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵；基于模糊关系矩阵和映射关系，生成故障诊断模型。
8.可选地，确定与故障部位样本相匹配的振动频率样本，包括：确定冷水机组处于故障状态下的多个原始振动频率，其中，多个原始振动频率中每个原始振动频率均与故障部位样本相匹配；确定多个原始振动频率中的第一原始振动频率和第二原始振动频率，其中，第一原始振动频率大于多个原始振动频率中除第一原始振动频率之外的任一原始振动频率，第二原始振动频率小于多个原始振动频率中除第二原始振动频率之外的任一原始振动频率，第一原始振动频率大于第二原始振动频率；确定第二原始振动频率与第一原始振动频率之间的振动频率区间，并将振动频率区间确定为振动频率样本。
9.可选地，基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵，包括：对振动频率样本进行归一化处理，得到目标振动频率样本；基于目标振动频率样本与
故障部位样本之间的目标模糊关系，生成模糊关系矩阵，其中，目标模糊关系与模糊关系相同。
10.可选地，获取冷水机组处于故障状态下的振动频率，包括：获取冷水机组处于故障状态下的故障监测信号；对故障监测信号进行频谱分析，得到振动频率。
11.可选地，响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障，包括：响应于故障部位为压缩机，且压缩机的故障表现至少包括以下之一：冷水机组的压缩机的出口压力大于出口压力阈值、在出口压力为固定压力的情况下，压缩机的吸气压力小于吸气压力阈值、在出口压力为固定压力，且压缩机的转速为固定转速的情况下，吸气温度大于温度阈值、在冷水机组的液体流量为固定流量的情况下，转速大于转速阈值，和/或，响应于故障部位为制冷剂管路，且制冷剂管路的故障表现至少包括以下之一：制冷剂管路的阻力大于阻力阈值、制冷剂管路的冷凝压力大于冷凝压力阈值，确定故障类型为喘振故障。
12.为了实现上述目的，根据本技术的另一方面，提供了一种冷水机组喘振故障的确定装置。该装置包括：获取单元，用于获取冷水机组在故障状态下的振动频率；第一确定单元，用于基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系；第二确定单元，用于响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。
13.为了实现上述目的，根据本技术的另一方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的冷水机组喘振故障的确定方法。
14.为了实现上述目的，根据本技术的另一方面，提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述中任意一项的冷水机组喘振故障的确定方法。
15.通过本技术，获取冷水机组在故障状态下的振动频率；基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系；响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。也就是说，在本技术实施例中，可以先基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到故障诊断模型，然后将冷水机组在故障状态下的振动频率输入故障诊断模型，得到与振动频率相匹配的故障部位，如果确定的故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，则可以进一步确定冷水机组的故障类型为喘振故障，以达到通过故障诊断模型对冷水机组发生喘振故障进行故障识别的目的，从而解决了冷水机组的喘振故障诊断准确率低的技术问题，进而达到了提高冷水机组的喘振故障诊断准确率的技术效果。
附图说明
16.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
17.图1是根据本技术实施例提供的一种冷水机组喘振故障的确定方法的流程图；
18.图2是根据本技术实施例提供的一种冷水机组喘振故障诊断方法的流程图；
19.图3是根据本技术实施例提供的一种冷水机组喘振故障分类的示意图；
20.图4是根据本技术实施例提供的一种冷水机组喘振故障的确定装置的示意图；
21.图5是根据本技术实施例提供的一种电子设备的示意图。
具体实施方式
22.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
23.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
24.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
25.需要说明的是，本技术所涉及的相关信息(包括但不限于对象设备信息、对象个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经对象授权或者经过各方充分授权的信息和数据。例如，本系统和相关对象或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的对象或机构发送获取请求，并在接收到前述的对象或机构反馈的同意信息后，获取相关信息。
26.需要说明的是，本技术实施例所提供的冷水机组喘振故障的确定方法和装置可用于金融科技领域中对数据中心制冷系统中的冷水机组进行喘振故障检测，也可用于除金融科技领域之外的其它技术领域，此处不对本技术冷水机组喘振故障的确定方法和装置的应用领域进行具体限定，任何应用本技术实施例所提供的冷水机组喘振故障的确定方法和装置进行对数据中心制冷系统中的冷水机组中喘振故障检测的技术领域，均在本技术实施例的保护范围内，此处不一一赘述。
27.在一种可能的实施方式中，本技术实施例提供了一种冷水机组喘振故障的确定方法，图1是根据本技术实施例提供的一种冷水机组喘振故障的确定方法的流程图，如图1所示，该方法可以包括如下步骤：
28.步骤s102，获取冷水机组在故障状态下的振动频率。
29.在本技术上述步骤s102提供的技术方案中，冷水机组可以为数据中心制冷系统中
的冷水机组，冷水机组可以用于为机房信息技术(information technology，简称为it)设备进行降温，以达到降低数据中心运行能耗的目的。
30.在该实施例中，可以采用信号采集的方法，根据冷水机组的现场运行状况，获取冷水机组在故障状态下的振动频率。
31.可选地，在冷水机组出现故障之前，会出现故障征兆，上述振动频率也可以为在冷水机组出现故障征兆的情况下，所采集到的振动频率，此处不对振动频率的具体获取方式进行限定。
32.步骤s104，基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位。
33.在本技术上述步骤s104提供的技术方案中，故障诊断模型可以为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到的模型，故障诊断模型至少可以用于表示振动频率与故障部位之间的映射关系。
34.在该实施例中，可以通过将上述步骤s102中获取到的振动频率输入至故障诊断模型中进行数据处理，得到与振动频率相匹配的故障部位。
35.可选地，上述故障诊断模型还可以为基于故障部位样本与振动频率样本之间的模糊关系所建立的模糊逻辑方程，例如，振动频率样本可以为集合a，集合a中可以包括m个振动频率数值，故障部位样本可以为集合b，集合b中可以包括n个故障部位信息，两者的模糊关系可用一个m
×
n阶的模糊关系矩阵r表示，由此可建立冷水机组的模糊逻辑方程可以为：b＝a0r，其中，“0”为一种广义模糊逻辑运算方法。
36.步骤s106，响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。
37.在本技术上述步骤s106提供的技术方案中，喘振故障是冷水机组的固有特性，也可以称为"喘振"现象，在压缩机的运行工况发生变化，流量达到最小限制流量时，冷水机组将会出现严重旋转脱离，形成突变型失速，此时，叶轮虽然在运转，但无法提压，压缩机出口压力也会显著降低，若低于与压缩机排气口相连的管路压力，制冷剂将会出现倒流，直到管路中的压力低于压缩机出口压力为止，倒流才会停止，此后制冷剂又在叶轮的作用下正向流动，暂时恢复正常工作，但当管路中压力不断回升后，流量又逐渐减小，当大于压缩机出口压力时，再次出现倒流情况，如此周而复始，这种现象即为"喘振"现象。
38.在该实施例中，冷水机组出现喘振现象是因为其运行工况发生变化，而压缩机的性能及与其连接的制冷剂管路两者或其中之一发生变化，都会引起压缩机的运行工况发生变化，当运行工况若达到喘振临界点或时，离心式冷水机组将会出现喘振现象，因而，如果确定与振动频率相匹配的故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，则可以进一步推测冷水机组的故障类型为喘振故障。
39.通过上述步骤s102至步骤s106，获取冷水机组在故障状态下的振动频率；基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系；响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。也就是说，在本技术实施例中，可以先基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到故障诊断模型，
然后将冷水机组在故障状态下的振动频率输入故障诊断模型，得到与振动频率相匹配的故障部位，如果确定的故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，则可以进一步确定冷水机组的故障类型为喘振故障，以达到通过故障诊断模型对冷水机组发生喘振故障进行故障识别的目的，从而解决了冷水机组的喘振故障诊断准确率低的技术问题，进而达到了提高冷水机组的喘振故障诊断准确率的技术效果。
40.下面对该实施例上述方法进行进一步介绍。
41.作为一种可选的实施方式，该方法还包括：获取历史时间段内，使冷水机组处于故障状态下的故障部位样本；确定与故障部位样本相匹配的振动频率样本；基于振动频率样本与故障部位样本之间的映射关系，生成故障诊断模型。
42.在该实施例中，故障部位样本可以包括历史时间段内，冷水机组出现故障的具体位置以及冷水机组出现故障的故障原因，振动频率样本可以为故障部位样本出现故障时，冷水机组的主导振动频率，振动频率样本也可以用于表征与故障原因对应的故障征兆。
43.在该实施例中，可以先获取历史时间段内，使冷水机组处于故障状态下的故障部位样本，然后通过对故障部位样本进行分析，确定与故障部位样本对应的振动频率样本，最后根据振动频率样本与故障部位样本之间的映射关系进行模型训练，得到故障诊断模型。
44.作为一种可选的实施方式，基于振动频率样本与故障部位样本之间的映射关系，生成故障诊断模型，包括：基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵；基于模糊关系矩阵和映射关系，生成故障诊断模型。
45.在该实施例中，由于冷水机组因机房制冷需求时刻变化，导致工作环境不稳定，因而喘振故障原因存在多类型复杂情况，同时每种情况故障形式下可产生多种故障征兆，相应的一种故障形式又对应多种故障原因，从而使得冷水机组喘振故障征兆和喘振原因之间存在较强的模糊性逻辑关系，也即，振动频率样本与故障部位样本之间也存在较强的模糊关系，可以根据该模糊关系生成模糊关系矩阵，并基于模糊关系矩阵与振动频率样本和故障部位样本之间的映射关系，生成故障诊断模型。
46.举例而言，故障部位样本可以为集合b，集合b中可以包括n个故障部位，振动频率样本可以为集合a，集合a中可以包括m个与故障部位所对应的振动频率，则振动频率样本与故障部位样本之间的模糊关系矩阵可以表示为一个m
×
n阶矩阵r，则得到的故障诊断模型可以为：b＝a0r，其中，“0”可以表示为一种广义模糊逻辑运算方法。
47.作为一种可选的实施方式，确定与故障部位样本相匹配的振动频率样本，包括：确定冷水机组处于故障状态下的多个原始振动频率；确定多个原始振动频率中的第一原始振动频率和第二原始振动频率；确定第二原始振动频率与第一原始振动频率之间的振动频率区间，并将振动频率区间确定为振动频率样本。
48.在该实施例中，多个原始振动频率中每个原始振动频率均与故障部位样本相匹配，第一原始振动频率可以大于多个原始振动频率中除第一原始振动频率之外的任一原始振动频率，第二原始振动频率可以小于多个原始振动频率中除第二原始振动频率之外的任一原始振动频率，第一原始振动频率大于第二原始振动频率，也即，第一原始振动频率可以为多个原始振动频率中的最大值，第二原始振动频率可以为多个原始振动频率中的最小值。
49.在该实施例中，可以采用模糊诊断方法对故障部位样本进行分析，然后结合频谱
分析，确定处冷水机组处于故障部位样本所对应的故障状态下的多个原始振动频率，然后将多个原始振动频率中的幅值确定为与故障部位样本相匹配的振动频率样本，也即，将多个原始振动频率中的第一原始振动频率和第二原始振动频率之间的振动频率区间确定为振动频率样本。
50.作为一种可选的实施方式，基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵，包括：对振动频率样本进行归一化处理，得到目标振动频率样本；基于目标振动频率样本与故障部位样本之间的目标模糊关系，生成模糊关系矩阵，其中，目标模糊关系与模糊关系相同。
51.在该实施例中，还可以在得到振动频率样本之后，采用升半哥西分布函数对振动频率样本中的多个振动频率的隶属度进行计算分析，并对分析后得到的数据进行归一化处理，得到目标振动频率样本，最后通过目标振动频率样本与故障部位样本之间的目标模糊关系，生成模糊关系矩阵。
52.作为一种可选的实施方式，步骤s102，获取冷水机组处于故障状态下的振动频率，包括：获取冷水机组处于故障状态下的故障监测信号；对故障监测信号进行频谱分析，得到振动频率。
53.在该实施例中，故障监测信号可以为通过信号采集方式采集到的信号，例如，喘振监测信号，此处不对故障监测信号的类型进行具体限定。
54.在该实施例中，可以先获取冷水机组处于故障状态下的故障监测信号，然后通过对获取到的故障监测信号进行频谱分析，得到振动频率，其中，频谱分析可以用于将复杂信号分解为简单信号。
55.作为一种可选的实施方式，步骤s106，响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障，包括：响应于故障部位为压缩机，且压缩机的故障表现至少包括以下之一：冷水机组的压缩机的出口压力大于出口压力阈值、在出口压力为固定压力的情况下，压缩机的吸气压力小于吸气压力阈值、在出口压力为固定压力，且压缩机的转速为固定转速的情况下，吸气温度大于温度阈值、在冷水机组的液体流量为固定流量的情况下，转速大于转速阈值，和/或，响应于故障部位为制冷剂管路，且制冷剂管路的故障表现至少包括以下之一：制冷剂管路的阻力大于阻力阈值、制冷剂管路的冷凝压力大于冷凝压力阈值，确定故障类型为喘振故障。
56.在该实施例中，在根据冷水机组在故障状态下的振动频率确定故障部位之后，如果确定故障部位为冷水机组的压缩机，并且出现故障的压缩机有以下故障征兆：冷水机组的压缩机的出口压力大于出口压力阈值、在出口压力为固定压力的情况下，压缩机的吸气压力小于吸气压力阈值、在出口压力为固定压力，且压缩机的转速为固定转速的情况下，吸气温度大于温度阈值、在冷水机组的液体流量为固定流量的情况下，转速大于转速阈值，则可以确定该冷水机组的故障类型为喘振故障；和/或，如果确定故障部位为冷水机组的制冷剂管路，并且出现故障的制冷剂管路有以下故障征兆：制冷剂管路的阻力大于阻力阈值、制冷剂管路的冷凝压力大于冷凝压力阈值，则也可以确定该冷水机组的故障类型为喘振故障。
57.需要说明的是，上述冷水机组的压缩机的故障征兆和冷水机组的制冷剂管路的故障征兆仅为一种优选的示例，此处不对压缩机的故障征兆和制冷剂管路的故障征兆进行具
体限定，任何能用于确定冷水机组的故障类型为喘振故障的故障征兆，均在本技术实施例的保护范围内，此处不一一列举说明。
58.本技术实施例提供的冷水机组喘振故障的确定方法，获取冷水机组在故障状态下的振动频率；基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系；响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。也就是说，在本技术实施例中，可以先基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到故障诊断模型，然后将冷水机组在故障状态下的振动频率输入故障诊断模型，得到与振动频率相匹配的故障部位，如果确定的故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，则可以进一步确定冷水机组的故障类型为喘振故障，以达到通过故障诊断模型对冷水机组发生喘振故障进行故障识别的目的，从而解决了冷水机组的喘振故障诊断准确率低的技术问题，进而达到了提高冷水机组的喘振故障诊断准确率的技术效果。
59.下面结合优选的实施方式对本技术实施例的技术方案进行进一步地说明。
60.随着互联网与信息化飞速发展，数据业务需求猛增，数据中心单机柜功率密度增加至6-15kw，数据中心的规模也在不断变大，各种数据中心建设开始加速建设，己经成为社会经济发展不可或缺的重要基础设施。随着数据中心机柜数的不断加大，规模越来越大，数据中心制冷需求急剧增加。数据中心的物理基础设施是信息技术和应用服务赖以存在的基础，冷源站作为数据中心的重要冷源，冷水机组的监测、诊断、运维管理就显得至关重要。
61.在一种可能的实现方式中，数据中心制冷系统通过大量采用冷水机组为机房it设备进行降温，采用离心式冷水机组、大幅降低数据中心运行能耗。在当前的中大型数据中心中，90％以上的冷水机组为离心式冷水机组。
62.但是，离心式冷水机组在运行中容易产生喘振(surge)故障，喘振发生时机身会产生强烈的振动，机组的制冷剂压力和压缩机电流忽高忽低变化剧烈，并伴随着间歇的很沉闷的气流噪声。过于频繁的喘振还会损坏扩压器和叶轮，对机组甚至整个冷水系统产生巨大危害，严重威胁到数据中心冷却系统的安全，给数据中心运行带来不便和不安全因素。
63.然而，在本技术实施例中，提供了一种数据中心冷水机组喘振故障诊断方法，该方法基于数据中心冷源站冷水机组的现场运行状况，利用信号采集进行冷水机组的振动测试，运用模糊聚类分析原理对喘振故障进行分类，并综合分析利用各种喘振故障征兆，建立冷水机组喘振故障模糊关系方程，经过计算得出冷水机组喘振故障部位，以达到对冷水机组在不同负载下发生喘振的监测与故障识别，提高冷水机组喘振故障识别及诊断的准确性的目的，从而解决了数据中心冷水机组的故障诊断效率低，提高了数据中心冷水机组的故障诊断效率，保证了数据中心冷源站设施的正常运行。
64.下面对本技术实施例中的数据中心冷水机组喘振故障诊断方法进行进一步说明。
65.离心式压缩机为速度型压缩机，其工作原理为利用高速旋转的叶轮带动气体做离心运动，气体速度增大，到达扩压通道后速度降低，动能转化为压力能，压力升高，从而起到提供动力的作用。离心式压缩机通常可以用于大流量场合，在数据中心应用中，当单台机组冷量大于1500kw时，通常可以选用离心式冷水机组。
66.喘振为离心式冷水机组固有特性，在离心压缩机工况发生变化，流量减小至最小限制流量时，机组将会出现严重旋转脱离，形成突变型失速，流动情况会大大恶化。此时，叶轮虽然在运转，但无法提压，压缩机出口压力将会出现显著降低，若低于与压缩机排气口相连的管路压力，制冷剂将会出现倒流，直到管路中的压力降低到低于压缩机出口压力为止，倒流才会停止，此后制冷剂又在叶轮的作用下正向流动，暂时恢复正常工作，但当管路中压力不断回升后，流量又逐渐减小，当大于压缩机出口压力时，再次出现倒流情况，如此周而复始，这种现象即为离心式压缩机"喘振"现象。
67.喘振产生的原因可以为机组低负荷运行、冷却水入口温度过高或吸气压力过低，排除喘振的方法就是消除产生以上三个问题的原因，或做热气旁通喘振控制，可通过打开压缩机的旁路阀或直接将一部分气体放空以维持压缩机的最低流量来实现。但是由于使气体通过旁路或放空都意味着要浪费能量，所以通常总希望尽可能准确地确定喘振流量，以便于实际操作时，避免不必要的浪费。然而，确定喘振流量并非易事。因为它不是一个定值，而是与其它参数有关，因此对于其它有影响的参数，也需要考虑到喘振系统中，通过不同测量方法，形成多种的控制方案。因此，为准确测量出机组喘振流量并解决，需要首先监测出机组运行发生喘振，根据运行状态预测出机组在即将发生喘振故障，从而有针对性地选择相应措施预防并解决数据中心冷水机组喘振的发生。
68.图2是根据本技术实施例提供的一种冷水机组喘振故障诊断方法的流程图，如图2所示，该方法可以包括如下步骤：
69.步骤s201，数据中心冷水机组喘振故障分类。
70.在本技术上述步骤s201提供的技术方案中，离心式冷水机组发生喘振现象是由于其运行工况发生变化导致的，离心压缩机的性能及与其连接的制冷剂管路两者或其中之一发生变化，都将引起压缩机的运行工况发生变化，如果运行工况达到喘振临界点，离心式冷水机组将会出现喘振现象。喘振故障分类可以分别从离心式压缩机性能变化、管路特性变化对机组喘振的影响进行分析。
71.图3是根据本技术实施例提供的一种冷水机组喘振故障分类的示意图，如图3所示，冷水机组喘振故障分类可以包括离心式压缩机性能变化对离心式冷水机组的影响和制冷剂管路特性变化对离心式冷水机组的影响。
72.如图3所示，离心式压缩机性能变化对离心式冷水机组的影响可以包括：制冷系统流量变化对离心式冷水机组的影响，随着流量的减小，离心式压缩机出口压力逐渐升高，当出口压力达到最大时，压缩机运行工况进入喘振区，随后压力开始减少，流量也减小，压缩机出现喘振故障；吸气口压力(低压)变化对离心式冷水机组的影响，当机组出口压力(高压)不变的情况下，吸气压力(低压)越低，机组运行工况越容易进入喘振区，导致喘振发生；吸气温度变化对离心式冷水机组的影响，在机组出口压力及转速不变的情况下，吸气口温度越高，机组运行工况越容易进入喘振区，导致喘振发生；转速变化对离心式冷水机组的影响，在冷水机组流量一定的情况下，转速越高机组运行工况越容易进入喘振区，导致喘振发生。
73.如图3所示，制冷剂管路特性变化对离心式冷水机组的影响可以包括：制冷剂管路阻力变化对离心式冷水机组的影响，在离心压缩机运行性能不变情况下，当管路阻力变大，导致实际运行点移动，机组容易进入喘振区运行，出现喘振故障；冷却系统散热不良对机组
影响，冷却系统若出现散热不良，将导致壳管冷凝器中冷凝压力大幅升高，机组运行工作点移动，离心式冷水机组进入喘振区，出现喘振现象。
74.步骤s202，建立冷水机组喘振故障模糊逻辑方程。
75.在本技术上述步骤s202提供的技术方案中，数据中心冷水机组因机房制冷需求时刻变化，工作环境不稳定，喘振故障原因存在多类型复杂情况，同时每种情况故障形式下可产生多种故障征兆，相应的一种故障形式又对应多种故障原因，使得数据中心冷水机组喘振故障征兆和喘振原因之间存在较强的模糊性逻辑关系，从而可以基于喘振故障征兆和喘振原因之间的模糊性逻辑关系，建立冷水机组喘振故障模糊逻辑方程。
76.在该实施例中，可以通过对数据中心冷水机组的喘振故障进行汇总，分析其中n类主要的喘振故障原因，将主要喘振故障原因用集合b表示，通过频谱分析，对各类喘振故障原因的主导频率成分进行分类，将冷水机组的n类喘振故障原因会引起的故障征兆即主导频率分为m类，用集合a表示，由于冷水机组的喘振故障征兆a和喘振故障原因b都是有限集合，两者模糊关系可用一个m
×
n阶矩阵r表示，依据模糊逻辑诊断原理，冷水机组喘振故障原因b，及冷水机组模糊诊断结果是由喘振征兆a和模糊关系矩阵r共同决定的，由此可建立冷水机组振动故障模糊逻辑方程：b＝a0r，其中，“0”为一种广义模糊逻辑运算方法。
77.步骤s203，建立冷水机组模糊关系矩阵。
78.在本技术上述步骤s203提供的技术方案中，在建立冷水机组喘振故障模糊逻辑方程后，需要进一步确定模糊关系矩阵r，建立的模糊关系矩阵的准确性也直接关系到的冷水机组喘振故障诊断的准确性，可以通过对喘振监测信号进行频谱分析，从而推断出冷水机组喘振故障原因。
79.在该实施例中，可以通过对n类喘振故障原因进行研究，利用模糊诊断方法对诊断原因进行分析，结合频谱分析得出的m个主导频率段上的不同频率的幅值作为冷水机组喘振故障征兆集，根据冷水机组故障诊断的特点，将m个主导频率段振动幅值的隶属度由升半哥西分布函数描述，通过对冷水机组n类故障类型所对应的m个主要频率段的隶属度计算分析，对每个冷水机组喘振故障原因所对应的振动数据进行频谱分析，对数据进行数理统计，得出每个故障类型的广义振动幅频关系，分析各个幅频关系中各个振动频率段的振动幅值得到广义振幅矩阵，通过归一化处理后，得到该喘振故障征兆隶属度矩阵，同理得到m个喘振故障类型的隶属度矩阵r。
80.步骤s204，确定模糊聚类分析方法。
81.在本技术上述步骤s204提供的技术方案中，可以基于对冷水机组喘振故障进行聚类分析并建立冷水机组喘振故障模糊逻辑方程后，选取合适的模糊聚类分析方法用在冷水机组喘振故障诊断中，从而实现对数据中心冷水机组喘振故障的诊断分析研究。
82.步骤s205，冷水机组喘振故障模糊诊断。
83.在本技术上述步骤s205提供的技术方案中，可以基于模糊聚类分析方法，将得到的冷水机组喘振故障征兆与冷水机组的模糊关系矩阵进行对比分析，通过信号采集对目标冷水机组振动测试，利用振动信息对冷水机组喘振故障进行模糊故障诊断，从而预测出冷水机组的故障原因，得出喘振诊断结果。
84.在本技术上述步骤s201至步骤s205中，基于数据中心冷源站冷水机组的现场运行状况，利用信号采集进行冷水机组的振动测试，运用模糊聚类分析原理对喘振故障进行分
类，并综合分析利用各种喘振故障征兆，建立冷水机组喘振故障模糊关系方程，经过计算得出冷水机组喘振故障原因，从而准确地实现对冷水机组喘振故障识别及诊断，达到了对冷水机组在不同运行征兆下发生喘振进行监测与故障识别的目的，提高了数据中心冷水机组的故障诊断效率，从而保证数据中心冷源站设施的正常运行。
85.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
86.本技术实施例还提供了一种冷水机组喘振故障的确定装置，需要说明的是，本技术实施例的冷水机组喘振故障的确定装置可以用于执行本技术实施例所提供的用于冷水机组喘振故障的确定方法。以下对本技术实施例提供的冷水机组喘振故障的确定装置进行介绍。
87.图4是根据本技术实施例提供的一种冷水机组喘振故障的确定装置的示意图。如图4所示，该冷水机组喘振故障的确定装置400包括：获取单元401、第一确定单元402和第二确定单元403。
88.获取单元401，用于获取冷水机组在故障状态下的振动频率。
89.第一确定单元402，用于基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系。
90.第二确定单元403，用于响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。
91.可选地，该装置还可以包括：第一获取单元，用于获取历史时间段内，使冷水机组处于故障状态下的故障部位样本；第三确定单元，用于确定与故障部位样本相匹配的振动频率样本；生成单元，用于基于振动频率样本与故障部位样本之间的映射关系，生成故障诊断模型。
92.可选地，生成单元包括：第一生成模块，用于基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵；第二生成模块，用于基于模糊关系矩阵和映射关系，生成故障诊断模型。
93.可选地，第三确定单元包括：第一确定模块，用于确定冷水机组处于故障状态下的多个原始振动频率，其中，多个原始振动频率中每个原始振动频率均与故障部位样本相匹配；第二确定模块，用于确定多个原始振动频率中的第一原始振动频率和第二原始振动频率，其中，第一原始振动频率大于多个原始振动频率中除第一原始振动频率之外的任一原始振动频率，第二原始振动频率小于多个原始振动频率中除第二原始振动频率之外的任一原始振动频率，第一原始振动频率大于第二原始振动频率；确定第二原始振动频率与第一原始振动频率之间的振动频率区间，并将振动频率区间确定为振动频率样本。
94.可选地，第二生成模块包括：处理子模块，用于对振动频率样本进行归一化处理，得到目标振动频率样本；生成子模块，用于基于目标振动频率样本与故障部位样本之间的目标模糊关系，生成模糊关系矩阵，其中，目标模糊关系与模糊关系相同。
95.可选地，获取单元401包括：获取模块，用于获取冷水机组处于故障状态下的故障
监测信号；分析模块，用于对故障监测信号进行频谱分析，得到振动频率。
96.可选地，第二确定单元403包括：第三确定模块，用于响应于故障部位为压缩机，且压缩机的故障表现至少包括以下之一：冷水机组的压缩机的出口压力大于出口压力阈值、在出口压力为固定压力的情况下，压缩机的吸气压力小于吸气压力阈值、在出口压力为固定压力，且压缩机的转速为固定转速的情况下，吸气温度大于温度阈值、在冷水机组的液体流量为固定流量的情况下，转速大于转速阈值，和/或，响应于故障部位为制冷剂管路，且制冷剂管路的故障表现至少包括以下之一：制冷剂管路的阻力大于阻力阈值、制冷剂管路的冷凝压力大于冷凝压力阈值，确定故障类型为喘振故障。
97.本技术实施例提供的冷水机组喘振故障的确定装置，获取单元，用于获取冷水机组在故障状态下的振动频率；第一确定单元，用于基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系；第二确定单元，用于响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障，从而解决了冷水机组的喘振故障诊断准确率低的技术问题，进而达到了提高冷水机组的喘振故障诊断准确率的技术效果。
98.冷水机组喘振故障的确定装置包括处理器和存储器，上述获取单元401、第一确定单元402和第二确定单元403等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
99.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来达到根据对象的重要程度，对冷水机组发生喘振故障进行故障识别，从而解决了冷水机组的喘振故障诊断准确率低的技术问题，进而达到了提高冷水机组的喘振故障诊断准确率的技术效果。
100.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。
101.本技术实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现冷水机组喘振故障的确定方法。
102.本技术实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行冷水机组喘振故障的确定方法。
103.图5是根据本技术实施例提供的一种电子设备的示意图，如图5所示，本技术实施例提供了一种电子设备50，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
104.s1，获取冷水机组在故障状态下的振动频率。
105.s2，基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系。
106.s3，响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷
水机组的故障类型为喘振故障。
107.可选地，处理器执行程序时还可以实现以下步骤：获取历史时间段内，使冷水机组处于故障状态下的故障部位样本；确定与故障部位样本相匹配的振动频率样本；基于振动频率样本与故障部位样本之间的映射关系，生成故障诊断模型。
108.可选地，处理器执行程序时还可以实现以下步骤：基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵；基于模糊关系矩阵和映射关系，生成故障诊断模型。
109.可选地，处理器执行程序时还可以实现以下步骤：确定冷水机组处于故障状态下的多个原始振动频率，其中，多个原始振动频率中每个原始振动频率均与故障部位样本相匹配；确定多个原始振动频率中的第一原始振动频率和第二原始振动频率，其中，第一原始振动频率大于多个原始振动频率中除第一原始振动频率之外的任一原始振动频率，第二原始振动频率小于多个原始振动频率中除第二原始振动频率之外的任一原始振动频率，第一原始振动频率大于第二原始振动频率；确定第二原始振动频率与第一原始振动频率之间的振动频率区间，并将振动频率区间确定为振动频率样本。
110.可选地，处理器执行程序时还可以实现以下步骤：对振动频率样本进行归一化处理，得到目标振动频率样本；基于目标振动频率样本与故障部位样本之间的目标模糊关系，生成模糊关系矩阵，其中，目标模糊关系与模糊关系相同。
111.可选地，处理器执行程序时还可以实现以下步骤：获取冷水机组处于故障状态下的故障监测信号；对故障监测信号进行频谱分析，得到振动频率。
112.可选地，处理器执行程序时还可以实现以下步骤：响应于故障部位为压缩机，且压缩机的故障表现至少包括以下之一：冷水机组的压缩机的出口压力大于出口压力阈值、在出口压力为固定压力的情况下，压缩机的吸气压力小于吸气压力阈值、在出口压力为固定压力，且压缩机的转速为固定转速的情况下，吸气温度大于温度阈值、在冷水机组的液体流量为固定流量的情况下，转速大于转速阈值，和/或，响应于故障部位为制冷剂管路，且制冷剂管路的故障表现至少包括以下之一：制冷剂管路的阻力大于阻力阈值、制冷剂管路的冷凝压力大于冷凝压力阈值，确定故障类型为喘振故障。
113.本文中的设备可以是服务器、pc、pad、手机等。
114.本技术还提供了一种计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，适于执行初始化有如下方法步骤的程序：
115.s1，获取冷水机组在故障状态下的振动频率。
116.s2，基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位，其中，故障诊断模型为基于冷水机组在历史时间段内出现故障的故障部位样本，和与故障部位样本相匹配的振动频率样本进行训练得到，故障诊断模型至少用于表示振动频率与故障部位之间的映射关系。
117.s3，响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。
118.可选地，该计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，还适于执行初始化有如下方法步骤的程序：获取历史时间段内，使冷水机组处于故障状态下的故障部位样本；确定与故障部位样本相匹配的振动频率样本；基于振动频率样本与故障部位
样本之间的映射关系，生成故障诊断模型。
119.可选地，该计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，还适于执行初始化有如下方法步骤的程序：基于振动频率样本与故障部位样本之间的模糊关系，生成模糊关系矩阵；基于模糊关系矩阵和映射关系，生成故障诊断模型。
120.可选地，该计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，还适于执行初始化有如下方法步骤的程序：确定冷水机组处于故障状态下的多个原始振动频率，其中，多个原始振动频率中每个原始振动频率均与故障部位样本相匹配；确定多个原始振动频率中的第一原始振动频率和第二原始振动频率，其中，第一原始振动频率大于多个原始振动频率中除第一原始振动频率之外的任一原始振动频率，第二原始振动频率小于多个原始振动频率中除第二原始振动频率之外的任一原始振动频率，第一原始振动频率大于第二原始振动频率；确定第二原始振动频率与第一原始振动频率之间的振动频率区间，并将振动频率区间确定为振动频率样本。
121.可选地，该计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，还适于执行初始化有如下方法步骤的程序：对振动频率样本进行归一化处理，得到目标振动频率样本；基于目标振动频率样本与故障部位样本之间的目标模糊关系，生成模糊关系矩阵，其中，目标模糊关系与模糊关系相同。
122.可选地，该计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，还适于执行初始化有如下方法步骤的程序：获取冷水机组处于故障状态下的故障监测信号；对故障监测信号进行频谱分析，得到振动频率。
123.可选地，该计算机程序产品，当在冷水机组喘振故障的确定设备上执行时，还适于执行初始化有如下方法步骤的程序：响应于故障部位为压缩机，且压缩机的故障表现至少包括以下之一：冷水机组的压缩机的出口压力大于出口压力阈值、在出口压力为固定压力的情况下，压缩机的吸气压力小于吸气压力阈值、在出口压力为固定压力，且压缩机的转速为固定转速的情况下，吸气温度大于温度阈值、在冷水机组的液体流量为固定流量的情况下，转速大于转速阈值，和/或，响应于故障部位为制冷剂管路，且制冷剂管路的故障表现至少包括以下之一：制冷剂管路的阻力大于阻力阈值、制冷剂管路的冷凝压力大于冷凝压力阈值，确定故障类型为喘振故障。
124.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
125.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程冷水机组喘振故障的确定设备的处理器以产生一个机器，使得通过计算机或其他可编程冷水机组喘振故障的确定设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
126.这些计算机程序指令也可存储在能引导计算机或其他可编程冷水机组喘振故障的确定设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
127.这些计算机程序指令也可装载到计算机或其他可编程冷水机组喘振故障的确定设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
128.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
129.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。
130.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
131.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
132.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
133.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种冷水机组喘振故障的确定方法，其特征在于，包括：获取冷水机组在故障状态下的振动频率；基于故障诊断模型，确定所述冷水机组中与所述振动频率相匹配的故障部位，其中，所述故障诊断模型为基于所述冷水机组在历史时间段内出现故障的故障部位样本，和与所述故障部位样本相匹配的振动频率样本进行训练得到，所述故障诊断模型至少用于表示所述振动频率与所述故障部位之间的映射关系；响应于所述故障部位为所述冷水机组的压缩机，和/或所述冷水机组的制冷剂管路，确定所述冷水机组的故障类型为喘振故障。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述历史时间段内，使所述冷水机组处于所述故障状态下的故障部位样本；确定与所述故障部位样本相匹配的振动频率样本；基于所述振动频率样本与所述故障部位样本之间的映射关系，生成所述故障诊断模型。3.根据权利要求2所述的方法，其特征在于，基于所述振动频率样本与所述故障部位样本之间的映射关系，生成所述故障诊断模型，包括：基于所述振动频率样本与所述故障部位样本之间的模糊关系，生成模糊关系矩阵；基于所述模糊关系矩阵和所述映射关系，生成所述故障诊断模型。4.根据权利要求2所述的方法，其特征在于，确定与所述故障部位样本相匹配的振动频率样本，包括：确定所述冷水机组处于所述故障状态下的多个原始振动频率，其中，所述多个原始振动频率中每个原始振动频率均与所述故障部位样本相匹配；确定所述多个原始振动频率中的第一原始振动频率和第二原始振动频率，其中，所述第一原始振动频率大于所述多个原始振动频率中除所述第一原始振动频率之外的任一原始振动频率，所述第二原始振动频率小于所述多个原始振动频率中除所述第二原始振动频率之外的任一原始振动频率，所述第一原始振动频率大于所述第二原始振动频率；确定所述第二原始振动频率与所述第一原始振动频率之间的振动频率区间，并将所述振动频率区间确定为所述振动频率样本。5.根据权利要求3所述的方法，其特征在于，基于所述振动频率样本与所述故障部位样本之间的模糊关系，生成模糊关系矩阵，包括：对所述振动频率样本进行归一化处理，得到目标振动频率样本；基于所述目标振动频率样本与所述故障部位样本之间的目标模糊关系，生成所述模糊关系矩阵，其中，所述目标模糊关系与所述模糊关系相同。6.根据权利要求1所述的方法，其特征在于，获取冷水机组处于故障状态下的振动频率，包括：获取所述冷水机组处于所述故障状态下的故障监测信号；对所述故障监测信号进行频谱分析，得到所述振动频率。7.根据权利要求1所述的方法，其特征在于，响应于所述故障部位为所述冷水机组的压缩机，和/或所述冷水机组的制冷剂管路，确定所述冷水机组的故障类型为喘振故障，包括：响应于所述故障部位为所述压缩机，且所述压缩机的故障表现至少包括以下之一：所
述冷水机组的压缩机的出口压力大于出口压力阈值、在所述出口压力为固定压力的情况下，所述压缩机的吸气压力小于吸气压力阈值、在所述出口压力为固定压力，且所述压缩机的转速为固定转速的情况下，所述吸气温度大于温度阈值、在所述冷水机组的液体流量为固定流量的情况下，所述转速大于转速阈值，和/或，响应于所述故障部位为所述制冷剂管路，且所述制冷剂管路的故障表现至少包括以下之一：所述制冷剂管路的阻力大于阻力阈值、所述制冷剂管路的冷凝压力大于冷凝压力阈值，确定所述故障类型为所述喘振故障。8.一种冷水机组喘振故障的确定装置，其特征在于，包括：获取单元，用于获取冷水机组在故障状态下的振动频率；第一确定单元，用于基于故障诊断模型，确定所述冷水机组中与所述振动频率相匹配的故障部位，其中，所述故障诊断模型为基于所述冷水机组在历史时间段内出现故障的故障部位样本，和与所述故障部位样本相匹配的振动频率样本进行训练得到，所述故障诊断模型至少用于表示所述振动频率与所述故障部位之间的映射关系；第二确定单元，用于响应于所述故障部位为所述冷水机组的压缩机，和/或所述冷水机组的制冷剂管路，确定所述冷水机组的故障类型为喘振故障。9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述冷水机组喘振故障的确定方法。10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述冷水机组喘振故障的确定方法。

技术总结
本申请公开了一种冷水机组喘振故障的确定方法、装置以及电子设备，涉及金融科技技术领域，该方法包括：获取冷水机组在故障状态下的振动频率；基于故障诊断模型，确定冷水机组中与振动频率相匹配的故障部位；响应于故障部位为冷水机组的压缩机，和/或冷水机组的制冷剂管路，确定冷水机组的故障类型为喘振故障。通过本申请解决了冷水机组的喘振故障诊断准确率低的技术问题。确率低的技术问题。确率低的技术问题。


技术研发人员：温鑫 龚慧钦 夏铭
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.05.06
技术公布日：2023/8/6