随着社会的快速发展和人们日益增长的美好居住环境的需要,变频空调系统因其良好的舒适性和控制灵活等优点在目前空调市场占据极高的比重。但是变频空调系统可能会发生各种故障,导致系统的能耗增加,安全性和舒适性下降。因此有必要对变频空调系统的故障进行研究,探索不同类型故障的特性,继而开发出相应故障的检测与诊断策略,使之能够准确地检测到故障的发生,并识别故障类型,从而采取相应措施,提高系统的运行效率。本文搭建了变频空调系统热力故障模拟实验台,对变频空调常见的压缩机阀泄漏、冷凝器结垢、蒸发器风量不足和液体管路阻力增大4类热力故障进行了模拟实验。实验结果表明,4种热力故障都会降低变频空调系统的性能。且故障的特性不仅受室内外温度的影响,还受到压缩机运转频率的影响。通过分析不同工况、不同频率下的实验结果,总结了变频空调系统4类热力故障的故障特征和特性。本文采用主成分分析法(Principal Component Analysis,PCA)对不同运行条件下定频运行和变频运行的空调系统的4类热力故障进行了检测,并讨论了统计量类型对检测结果的影响。针对变频空调系统运行参数的时变性和主元分析法模型静态固定的矛盾,提出了基于决策树的运行条件自适应PCA故障检测模型,并验证了其对于变频空调系统故障检测的有效性。结果表明当系统定频运行时,PCA模型可以检测出空调系统4类热力故障的发生,其检测效果受模型统计量类型的影响。在系统变频运行下,PCA模型无法检测出故障的发生,而基于决策树的PCA改进方法可以有效检测出4类热力故障,其检测率达到97%以上。主元分析法及其改进方法都只能有效地检测出故障的发生,而不能识别故障的来源,无法为后续的维护提供有效的指导。因此本文利用思维进化算法优化神经网络的方式,对变频空调的4种热力故障进行诊断。诊断结果表明,优化模型可以有效分离出4类热力故障,相比于神经网络模型具有更高的诊断正确率,可达到90.5%。