一种用于智能家居系统的空调故障监控及预警方法技术方案

本发明专利技术公开了一种用于智能家居系统的空调故障监控及预警方法，属于智能家居技术领域，所述方法包括步骤1：获取空调内部各个器件的历史工作参数；步骤2：将步骤1所获取到的各个器件的历史工作参数作为输入对神经网络进行训练，得到各个器件参数的神经网络模型，并给定各器件当前环境条件下的输入参数得到各个器件的预估值；步骤3：实时获取各个器件的工作参数，并结合步骤2所得预估值计算出工作误差；步骤4：给定误差允许范围，若步骤3中计算得到的工作误差超出误差允许范围，则通过智能家具系统发送预警信息和告警信息，解决了现有技术中空调内部器件有损坏征兆的时候，运维人员无从得知导致对于空调的维护成本高以及难度大的问题。

An air conditioning fault monitoring and early warning method for smart home system

The invention discloses an air conditioning fault monitoring and early warning method for smart home system, which belongs to the field of smart home technology. The method includes step 1: obtaining the historical working parameters of each device in the air conditioner; step 2: training the neural network with the historical working parameters of each device obtained in step 1 as input to obtain the neural network of each device parameter Network model, and given the input parameters of each device under the current environment conditions to get the estimated value of each device; step 3: get the working parameters of each device in real time, and calculate the working error combined with the estimated value obtained in step 2; step 4: given the allowable range of error, if the working error calculated in step 3 exceeds the allowable range of error, send an early warning through the intelligent furniture system Information and alarm information solve the problem of high maintenance cost and difficulty for the air conditioner when the internal components of the air conditioner in the prior art have signs of damage.

【技术实现步骤摘要】
一种用于智能家居系统的空调故障监控及预警方法
本专利技术涉智能家居
，具体的说，是一种用于智能家居系统的空调故障监控及预警方法。
技术介绍
近些年智能家居不断的被引入到人们的家庭生活中，其中空调作为智能家居系统中的重要组成部分，其数量也随之不断增长，这使得企业和运维人员对于空调运维成本和难度逐渐提高。空调内部器件有损坏征兆的时候，运维人员无从得知，导致企业对于空调的维护成本较高得不到降低。
技术实现思路
本专利技术的目的在于提供一种用于智能家居系统的空调故障监控及预警方法，用于解决现有技术中空调内部器件有损坏征兆的时候，运维人员无从得知导致对于空调的维护成本高以及难度大的问题。本专利技术通过下述技术方案解决上述问题：一种用于智能家居系统的空调故障监控及预警方法，所述方法包括如下步骤：步骤1：获取空调内部各个器件的历史工作参数；步骤2：将步骤1所获取到的各个器件的历史工作参数作为输入对神经网络进行训练，得到各个器件参数的神经网络模型，并给定各器件当前环境条件下的输入参数得到各个器件的预估值；步骤3：实时获取各个器件的工作参数，并结合步骤2所得预估值计算出工作误差；步骤4：给定误差允许范围，若步骤3中计算得到的工作误差超出误差允许范围，则通过智能家具系统发送预警信息和告警信息。进一步地，所述神经网络为BP神经网络。进一步地，所述BP神经网络的训练过程包括以下步骤：步骤2.1：网络初始化，然后隐含层做输出计算；步骤2.2：做误差计算，然后更新权值再更新阈值；步骤2.3：判断迭代是否结束，如果未结束则返回步骤2.1再次进行隐含层输出计算；如果已经结束则输出预估值。进一步地，所述预估值包括气压值和温度值。进一步地，所述步骤4中通过智能家居系统的通信服务器发送告警信息和预警信息。进一步地，所述误差允许范围不超过额定正常工作范围数值的20％。本专利技术与现有技术相比，具有以下优点及有益效果：本专利技术通过对空调内部各个器件的工作参数进行监控，与历史参数训练的神经网络模型得出的预估值进行比较得出工作误差，并设置一定的工作误差允许范围，当计算出的工作误差超出误差允许范围的时候通过物联网系统的通信服务器发送告警信息和预警信息，运维人员在收到消息之后可及时的对空调进行检修，防止损坏，降低运维成本。附图说明图1为本专利技术的空调故障监控及预警方法数据传输流程示意图；图2为本专利技术的BP神经网络模型的预估值计算流程示意图。具体实施方式下面结合实施例对本专利技术作进一步地详细说明，但本专利技术的实施方式不限于此。实施例1：结合附图1所示，一种用于智能家居系统的空调故障监控及预警方法，所述方法包括如下步骤：步骤1：获取空调内部各个器件的历史工作参数；步骤2：将步骤1所获取到的各个器件的历史工作参数作为输入对BP神经网络进行训练，得到各个器件参数的BP神经网络模型，并给定各器件当前环境条件下的输入参数得到各个器件的预估值，其中BP神经网络的训练过程包括以下步骤，如图2所示：步骤2.1：网络初始化，然后隐含层做输出计算；步骤2.2：做误差计算，然后更新权值再更新阈值；步骤2.3：判断迭代是否结束，如果未结束则返回步骤2.1再次进行隐含层输出计算；如果已经结束则输出预估值。步骤3：实时获取各个器件的工作参数，并结合步骤2所得预估值计算出工作误差；步骤4：给定误差允许范围为不超过额定正常工作范围数值的20％，若步骤3中计算得到的工作误差超出误差允许范围，则通过智能家具系统发送预警信息和告警信息。本方法通过对空调内部各个器件的工作参数进行监控，与历史参数训练的神经网络模型得出的预估值进行比较得出工作误差，并设置一定的工作误差允许范围，当计算出的工作误差超出误差允许范围的时候通过物联网系统的通信服务器发送告警信息和预警信息，运维人员在收到消息之后可及时的对空调进行检修，防止损坏，降低运维成本以及运维难度。具体的，以空调暖风机扇叶为例，进行扇叶工作状态的BP神经网络模型建立。收集暖风机扇叶去年工作状态信息：扇叶温度、运转速度、工作环境温度、工作时间等。使用上述参数训练关于空调暖风机扇叶工作状态的BP神经网络模型。如需预测当月扇叶的工作温度。此时的环境温度为输入参数，通过训练成功的BP神经网络模型，输出预估的扇叶工作温度。当实际扇叶的工作温度与预测温度相比的误差，设置正常工作温度的1.2倍为误差允许范围，当工作温度在误差允许的1.2倍，即不超过正常温度的20％时，我们认为扇叶工作正常。如果误差超出允许的波动区间，我们认为扇叶工作状态异常，需要进行故障的提前排查。通过智能家居系统给相关运维人员进行空调扇叶工作异常预警。尽管这里参照本专利技术的解释性实施例对本专利技术进行了描述，上述实施例仅为本专利技术较佳的实施方式，本专利技术的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。本文档来自技高网...

【技术保护点】
1.一种用于智能家居系统的空调故障监控及预警方法，其特征在于，所述方法包括如下步骤：/n步骤1：获取空调内部各个器件的历史工作参数；/n步骤2：将步骤1所获取到的各个器件的历史工作参数作为输入对神经网络进行训练，得到各个器件参数的神经网络模型，并给定各器件当前环境条件下的输入参数得到各个器件的预估值；/n步骤3：实时获取各个器件的工作参数，并结合步骤2所得预估值计算出工作误差；/n步骤4：给定误差允许范围，若步骤3中计算得到的工作误差超出误差允许范围，则通过智能家具系统发送预警信息和告警信息。/n

【技术特征摘要】
1.一种用于智能家居系统的空调故障监控及预警方法，其特征在于，所述方法包括如下步骤：
步骤1：获取空调内部各个器件的历史工作参数；
步骤2：将步骤1所获取到的各个器件的历史工作参数作为输入对神经网络进行训练，得到各个器件参数的神经网络模型，并给定各器件当前环境条件下的输入参数得到各个器件的预估值；
步骤3：实时获取各个器件的工作参数，并结合步骤2所得预估值计算出工作误差；
步骤4：给定误差允许范围，若步骤3中计算得到的工作误差超出误差允许范围，则通过智能家具系统发送预警信息和告警信息。


2.根据权利要求1所述的用于智能家居系统的空调故障监控及预警方法，其特征在于，所述神经网络为BP神经网络。


3.根据权利要求2所述的用于智能家居系统的空调故障监控及预警方...

【专利技术属性】
技术研发人员：王瑞祥，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51