全空气空调系统设备繁多且结构复杂,在运行过程中容易发生各种故障。故障会导致系统无法满足温湿度需求,造成能源浪费严重、设备寿命缩短,甚至引发安全问题。故障检测与诊断(FDD)技术能够检测异常运行并诊断故障源头,为全空气空调系统全生命周期的运维管理提供决策支持,对维持系统安全、高效、稳定运行具有重要指导意义。目前国内外学者围绕全空气空调系统的故障检测与诊断问题开展了大量研究,取得了一系列理论成果。但是,这些方法大多面向某种特定形式的全空气空调系统,难以实现不同系统间的移植应用。为克服以上领域难题,本文提出了一种基于贝叶斯网络单元的全空气空调系统故障检测与诊断方法。该方法基于可复用知识库和具体的系统信息生成针对性的FDD模型,旨在为各式各样全空气空调系统提供因地制宜的故障诊断方案。本文主要开展了以下工作:(1)研究全空气空调系统FDD知识库构建方法。该知识库分为四个知识子库,分别描述了系统器件组成知识、控制策略与运行模式知识、传感器配置知识、故障诊断知识。前三个知识子库旨在从不同角度描述空调系统的多样性,为故障诊断提供知识前提。最后一个知识子库通过一种新型的贝叶斯网络单元对故障诊断的领域知识进行了抽取和表达,以器件为单位描述了典型故障、故障症状和附加信息之间的概率性因果关系,总结了不同贝叶斯网络单元的适用条件并归纳了判断规则集合。(2)提出针对实际全空气空调系统的贝叶斯故障诊断网络实例生成机制和故障诊断流程。首先基于实际系统信息判断预定义的适用条件是否满足,选择可用的贝叶斯网络单元生成诊断单元实例。接着根据空调系统拓扑结构对诊断单元实例进行集成,生成多级分层的贝叶斯故障诊断网络实例。然后提出基于不确定诊断信息的故障诊断流程,制定不同信息丰富程度下的故障判别规则,通过网络实例中故障信息的纵向传播实现故障源诊断。(3)验证该全空气空调系统故障诊断方法的可行性和有效性。一方面,以某烟厂全空气空调系统为验证对象,开展典型故障引入实验获得大量故障数据。另一方面,基于本文提出的理论方法为该全空气空调系统生成贝叶斯故障诊断网络实例,利用实验数据对其诊断性能进行验证。结果表明,该方法能够为具体空调系统生成针对性的FDD模型,且具有较高的诊断精度。