传感器故障是空调系统中典型故障之一。故障传感器的信号会使控制系统做出错误的决策,从而导致能源的浪费和室内空气品质的下降。因此,传感器的准确性和可靠性对于空调系统的监测和控制起到至关重要的作用,进行传感器故障诊断研究是非常必要的。本文主要以空调系统传感器故障检测问题为目标进行了研究,主要内容包括:1.总结了已有的空调系统传感器故障诊断方法,并对这些方法的优缺点进行了阐述。针对于目前神经网络用于传感器故障诊断方法存在的不足,提出基于小波神经网络的故障诊断方法。2.深入分析了小波神经网络与前向神经网络相比的优势所在,对小波神经网络的训练算法进行了推导,并对传统的BP训练算法进行了两点改进。3.对空调系统传感器的故障类型及表现形式进行了研究,特别是对传感器精度等级下降故障的表现形式进行了讨论。4.现场采集了天津博物馆楼宇控制系统实际运行数据,并对数据进行了分析及预处理。5.通过MATLAB软件设计了小波神经网络及BP网络的算法程序,通过大量的仿真实验验证了WNN网络从训练速度及网络性能方面均优于BP网络的结论。6.对训练好的小波神经网络进行了传感器故障诊断能力的验证,通过仿真实验证明,基于小波神经网络的故障诊断系统对于空调系统传感器故障具有较好的诊断效果。本文尝试性将小波分析理论与神经网络技术相结合用于解决智能建筑中空调机组传感器的故障诊断问题,通过仿真试验证明了该网络具有令人满意的故障诊断能力。该方法对于完善空调系统传感器故障诊断方法具有特定意义。