Development of FDD-ON: an Ontology for VAV HVAC System Fault Detection and Diagnostics

FDD-ON 本体结构示意图

该本体的设计思路是将 VAV 系统的组件、常见故障模式以及可观测的物理症状进行形式化表达，并明确它们之间的因果链条。例如，一个“送风阀卡住”的故障，会关联到“区域温度偏离设定点”和“风量读数异常”等具体症状。这种显式的知识表示，使得不同楼宇管理系统中的 AI 诊断算法能够基于同一套逻辑进行推理，而无需针对每个项目重新进行繁琐的数据映射和规则编写 [来源：craigssmith.substack.com]。论文指出，这种模块化设计使其具备向其他类型暖通空调系统扩展的潜力，并能作为数字孪生应用的知识底座。

从更宏观的视角看，这项研究触及了智能建筑领域一个长期存在的瓶颈。正如行业分析所指出的，一个强大的数据基础——尤其是以本体和知识图谱为核心构建的底层——是实现高效故障诊断的基石 [来源：automatedbuildings.com]。FDD-ON 正是试图夯实这一基础。暖通空调系统作为建筑中的主要耗能设备，其未被及时发现的故障会持续造成巨大的能源浪费和额外的维护成本。通过标准化的知识表示来提升故障检测的准确性和规模化部署能力，对推动建筑节能降碳具有直接的现实意义。