知识卡片：FDD-ON：面向VAV HVAC系统故障检测与诊断的本体开发

一句话结论

FDD-ON 是一个模块化、可扩展的本体，用于形式化表示变风量（VAV）暖通空调（HVAC）系统的组件、故障类型、症状状态、故障影响及相关属性；论文称，在公开 VAV HVAC 系统数据集上的评估表明，它能作为可扩展、透明、可互操作的故障检测与诊断（FDD）解决方案的语义基础。

事件概述或研究问题

该研究针对暖通空调系统故障检测与诊断（FDD）技术部署中领域知识结构缺失的问题。FDD 对提升系统可靠性、能效和维护有效性至关重要，但实际部署需要结构化领域知识来桥接异构数据源、多样设备类型和不同诊断输出。当前 FDD 领域存在数据可解释性与互操作性不足，形成信息孤岛，阻碍了数字孪生 FDD 框架和 AI 驱动的维护决策系统等应用。为此，论文提出 FDD 本体 FDD-ON。

方法/产品要点

• 本体范围：形式化表示 VAV HVAC 系统组件、故障类型、症状状态、故障影响及相关属性。
• 设计特点：模块化、可扩展；提供定义良好的受控词表（controlled vocabulary）来支持故障和症状属性的表示。
• 知识库：构建了综合的故障库、症状库和影响库，以覆盖 VAV HVAC 系统中广泛的运行异常及其后果。
• 关系模型：显式表达“促成原因—故障—症状—影响”（contributing cause-fault-symptom-impact）关系，为查询诊断知识、映射异构 FDD 输出、开发可互操作 FDD 应用提供机器可解释基础。
• 评估与演示：使用公开可用的 VAV HVAC 系统数据集进行评价，并通过 FDD 开发应用进行演示（具体数据集名称、演示细节和量化指标在摘要中未说明，待核实）。

主要结果或产业意义

• 摘要显示，评估结果表明 FDD-ON 为推进跨多种应用的可扩展、透明、可互操作的 FDD 解决方案提供了基础性语义框架。
• 产业意义上，该本体有望打破建筑运维中的数据孤岛，支撑数字孪生 FDD 框架和 AI 驱动的维护决策系统，对暖通空调能效提升、设备可靠性和维护效率具有潜在价值。

为什么重要

本工作与已有相关卡片中的缺陷检测挑战赛、优化器收敛性等主题不同，核心增量在于从领域本体/知识表示层面解决暖通空调 FDD 的数据互通与诊断知识复用问题。它不依赖某一具体算法，而是通过显式语义关系为异构诊断输出提供统一解释框架，为 FDD 从单点工具走向系统级互操作奠定基础。

局限与不确定性

• 摘要未提及评估的具体指标、误差范围或与现有本体/方法的对比，因此实际效果和覆盖率需进一步核实。
• 未说明本体构建过程中的专家验证范围、维护更新机制和工程落地细节，待核实。
• 当前为 arXiv 预印本（arXiv:2607.29657v1），是否经过完整同行评议尚待核实。

可用于图书/PPT/简报的角度

• 以“给机器‘懂’故障：暖通空调 FDD 本体”为题，介绍知识图谱/本体在建筑设备故障诊断中的作用。
• 用图示展示“组件—故障—症状—影响”的语义关系链，说明从数据到诊断决策的知识建模思路。
• 结合数字孪生与 AI 运维场景，讨论互操作性瓶颈如何由本体技术来破解。

原始材料

• 英文标题：Development of FDD-ON: an Ontology for VAV HVAC System Fault Detection and Diagnostics
• 英文关键词（由摘要归纳）：Fault Detection and Diagnosis (FDD); Ontology; Variable Air Volume (VAV); HVAC System; Semantic Interoperability
• 来源：arXiv:2607.29657v1, cs.AI
• URL: https://arxiv.org/abs/2607.29657v1