对于制冷系统而言,压缩机性能好坏至关重要。测试压缩机性能试验的过程中,需要对系统构造充分考虑、确保传感器没有故障、系统具有强健的鲁棒性和维持系统在稳定状态的能力,以及可以迅速的发现和监测故障等多方面作为前提条件,从而提升系统测量、采集准确度以及其运行可靠性,以上元素都是必不可少的。本文针对符合国家标准GB/T5773-2004的压缩机性能试验系统,提出了基于神经网络的故障检测及可靠性分析方法,具有十分重要的意义与应用价值。首先,本文针对的对象是按照标准GB/T5773-2004搭建的所有制冷剂压缩机性能测试试验台。在最开始介绍了试验台通用的基本结构和原理,同时,解释说明通用的试验台一般构建规定和实验过程方法;其次,阐述测试台的实验方法和原理。因为本文主要是针对两个研究对象:汽车空调压缩机和螺杆压缩机性能测试试验台,所以着重介绍了实际工程项目中使用的标准中的四种方法的原理、公式以及流程图,即A方法,D方法,G方法和J方法;然后,简要说明两个实际工程中采用的的螺杆压缩机和汽车空调压缩机性能测试试验台的构造和原理;最后,依据实际工程项目试验台的数据可以得出,试验台的控制系统已经能很好的将工况参数控制在要求的工况点上,并且控制精度很好地满足国家标准的要求。其次,我们使用窗口数据判稳方法和神经网络建模方法进行压缩机性能测试系统的可靠性研究。我们选择使用稳态判别中的一个常用的方法,即窗口数据判稳方法,来筛选出系统运行过程中的稳态数据。通过实验验证,窗口数据判稳方法可以有效检测并获得稳态数据。然后,针对不同的压缩机性能试验系统,我们使用目前应用最广BP神经网络,建立相应的神经网络模型。使用建立的神经网络模型去检测发生异常后采集的系统运行稳态数据。经过验证发现,该神经网络模型可以准确有效地检测和诊断出相应故障,从而及时发现特定故障并且采取相应措施,迅速排除相应故障,以保证系统安全正常运行。最后,通过两个实际的压缩机性能测试平台实例来验证本文提出的故障检测和诊断方法,即汽车空调压缩机性能试验平台和螺杆压缩机性能试验平台。对于汽车空调压缩机性能测试平台,依据是实际系统运行过程中的发生的三类故障:压缩机缺油故障、冷凝器缺水故障和温度传感器故障三类故障,建立相应的神经网络模型。而对于螺杆压缩机性能测试平台,针对其发生故障的类型,分为参与控制的传感器偏差故障和不参与控制的传感器偏差故障。然后,依据由主到次的检测逻辑,建立初级神经网络和次级神经网络。经过试验验证,本文提出的基于神经网络的可靠性分析模型,对于压缩机性能测试系统具有较好的检测能力,不仅可以检测出相应故障,而且可以依据依据超出阈值参数的数量和种类有效诊断出相应故障原因。综上,实验验证的结果表明,本文针对压缩机性能试验平台提出的基于神经网络的可靠性分析模型,对于压缩机性能测试系统具有较好的检测能力。