一种基于贝叶斯网络的家用空调故障诊断方法技术

本发明专利技术提供了一种基于贝叶斯网络的家用空调器故障检测与诊断方法。该贝叶斯网络的结构定性地描述了大部分家用空调器典型故障与其依赖发生条件和故障征兆之间的复杂的因果关系；该贝叶斯网络的有向边所代表的条件概率表定量地描述了因果关系中的概率值。该方法能够融合定性诊断信息与定量数据，充分利用行业专家的知识经验及诊断对象的附加信息，提高故障诊断的效率及准确度，实现在诊断信息不完整、不确定的情况下进行较为准确的故障诊断。本发明专利技术所提供的贝叶斯网络能够有效检测诊断大部分家用空调器故障。

A fault diagnosis method for household air conditioning based on Bayesian network

The invention provides a fault detection and diagnosis method for household air conditioner based on Bayesian network. The structure of the qualitative Bayesian network description of the most typical domestic air conditioner fault and its dependencies between occurrence conditions and fault symptom complex causal Bayesian network; the directed edges represent conditional probability table quantitatively describes the probability causal relationship value. This method can integrate qualitative and quantitative diagnostic information data, make full use of additional information knowledge and diagnosis object of industry experts, to improve the efficiency of fault diagnosis and fault diagnosis accuracy, realize the accurate fault diagnosis information in incomplete and uncertain circumstances. The Bayesian network provided by the invention can effectively detect and diagnose most household air conditioner faults.

【技术实现步骤摘要】
一种基于贝叶斯网络的家用空调故障诊断方法
本专利技术属于空调系统故障检测诊断和人工智能领域，涉及信息不确定、不全面情况下的知识推理，特别是涉及一种基于贝叶斯网络的家用空调器故障诊断方法与技术。
技术介绍
随着人们生活水平的普遍提高，家用空调器的使用量逐年增加，已成为目前使用最为广泛的空调形式。由于家用空调器在实际运行过程中，可能会产生各种故障，影响室内热舒适度并带来能源浪费。传统的空调器故障诊断方案就是凭借工程师的专家经验，对专业素质要求较高，且费时费力。开发智能化诊断工具对提高现场诊断效率，以及基于云端的家用空调器故障检测诊断，具有重要的意义。空调的运行是一个动态的、时变的、非线性的过程，故障的表现形式具有不确定性。家用空调器往往不记录运行数据，无法使用物理建模对其运行特性进行准确描述，需要在理论层面提出新型的故障检测诊断算法。贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一。它为描述家用空调器故障和故障征兆之间复杂的影响关系提供了途径，能够描述各种随机变量之间的关系，通过借鉴领域专家的知识、实际经验以及诊断推理思维。
技术实现思路
本专利技术旨在提供一种信息不足与不确定情本文档来自技高网...

【技术保护点】
一种基于贝叶斯网络的家用空调故障诊断方法，其特征在于：S1：构建用于家用空调故障诊断的贝叶斯诊断网络，该诊断网络由附加信息、故障和征兆三类节点组成，三类节点之间根据空调故障机理和特性通过有向边建立联系，形成拓扑结构；其中每个附加信息节点表示家用空调的一种运维状况；每个故障节点表示家用空调的一个潜在可能故障；每个征兆节点表示家用空调发生故障的一个征兆；S2：对贝叶斯诊断网络中各个节点设置先验概率和节点间的条件概率；S3：现场收集待诊断家用空调器的征兆信息，当存在异常征兆时将其输入贝叶斯网络；S4：更新各故障节点的后验概率，并找到后验概率最大的两个故障P1st和P2nd，其中P1st>P2n...

【技术特征摘要】
1.一种基于贝叶斯网络的家用空调故障诊断方法，其特征在于：S1：构建用于家用空调故障诊断的贝叶斯诊断网络，该诊断网络由附加信息、故障和征兆三类节点组成，三类节点之间根据空调故障机理和特性通过有向边建立联系，形成拓扑结构；其中每个附加信息节点表示家用空调的一种运维状况；每个故障节点表示家用空调的一个潜在可能故障；每个征兆节点表示家用空调发生故障的一个征兆；S2：对贝叶斯诊断网络中各个节点设置先验概率和节点间的条件概率；S3：现场收集待诊断家用空调器的征兆信息，当存在异常征兆时将其输入贝叶斯网络；S4：更新各故障节点的后验概率，并找到后验概率最大的两个故障P1st和P2nd，其中P1st>P2nd；S5：判断P1st和P2nd的差值是否超过阈值；若超过，则将P1st对应的故障输出作为该异常征兆所对应的故障；若未超过，则基于成本效益原则...

【专利技术属性】
技术研发人员：赵阳，李婷婷，张学军，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33