基于大数据对空调软故障分析方法、装置及存储介质制造方法及图纸

本申请公开了一种基于大数据对空调软故障分析方法、装置及存储介质，其中分析方法如下：输入空调在硬故障状态下的第一运行数据；通过肖维勒算法对第一运行数据进行计算，得到异常数据；通过移动平均过程对第一运行数据进行计算，得到噪声数据；通过皮尔森相关系数对异常数据和噪声数据进行分析，通过梯度下降法得到软故障分析模型；根据故障分析模型以及第二运行数据，得到空调的软故障对应的部件。能够准确检测到空调的软故障，从而能够对空调进行维护，提升空调的使用质量。

【技术实现步骤摘要】
基于大数据对空调软故障分析方法、装置及存储介质
本申请涉及控制
，特别是基于大数据对空调软故障分析方法、装置及存储介质。
技术介绍
暖通空调是目前使用比较广泛的空调，但是在使用的过程中，经常会出现各种各样的故障，这些故障经常会影响空调的正常使用，有时甚至还会对空调寿命造成影响。暖通空调故障按照故障的性质可以分为自然故障和人为故障。自然故障主要是指系统在正常运行的情况下，由于自身原因而造成的故障，一般情况下，在这类的故障中，设备的自然磨损属于比较常见的一种。另外一种重要的暖通空调系统故障分类主要是按照故障程度分类，可以分为硬故障和软故障。硬故障主要指的是暖通空调系统中一些主要的硬件发生故障，包括设备或元件完全失效的故障。一般情况下，这类故障的发生具有很强的突发性，同时也带着很强的破坏性，而这类故障比较容易检测到，一般只要定期检查和维修，就不会带来较大的影响。而软故障则不同，主要指的是设备或元件的逐渐失效和故障的发生，主要会发生在使用过程中，原因主要是疲劳、腐蚀或磨损等，造成部分失效或者完全失效。一般来说，软故障不太容易在日常的检查中发现，再加上如果不及时更换，就更加容易发生。另外，软故障占相当大的比例，属于渐变性的故障，在发生的过程中不会对整个系统造成太大的影响，但是存在平常的故障检测难以被检测到的问题，软故障的规律寻找需要很多数据的支撑，但是这些数据也是难以获取的。
技术实现思路
为了克服现有技术的不足，本申请的目的在于提供一种基于大数据对空调软故障分析方法、装置及存储介质，能够准确检测到空调的软故障，从而能够对空调进行维护，提升空调的使用质量。本申请解决其问题所采用的技术方案是：第一方面，本申请提供了基于大数据对空调软故障分析方法，包括以下步骤：输入空调在硬故障状态下的第一运行数据；通过肖维勒算法对所述第一运行数据进行计算，得到异常数据；通过移动平均过程对所述第一运行数据进行计算，得到噪声数据；通过皮尔森相关系数对所述异常数据和所述噪声数据进行分析，通过梯度下降法得到软故障分析模型；根据故障分析模型以及第二运行数据，得到所述空调的软故障对应的部件。进一步，在所述通过肖维勒算法对所述第一运行数据进行计算，得到异常数据包括：确定以正态分布的均值为中心的概率带；剔除第一运行数据中所述概率带内的数据，得到异常数据。进一步，所述通过移动平均过程对所述第一运行数据进行计算，得到噪声数据包括：通过移动平均过程对所述第一运行数据中的白噪声数据进行计算，得到噪声数据。进一步，所述通过移动平均过程对所述第一运行数据中的白噪声数据进行计算，得到噪声数据，包括：所述第一运行数据中的白噪声数据按照时间序列将每一期值的当前白噪声数据加上前一期白噪声数据的若干倍进行计算，得到噪声数据。进一步，所述通过皮尔森相关系数对所述异常数据和所述噪声数据进行分析，包括：所述通过皮尔森相关系数对所述异常数据和所述噪声数据进行分析，得到所述异常数据和所述噪声数据相关系数。进一步，所述通过梯度下降法得到软故障分析模型包括：根据梯度下降法计算所述异常数据和所述噪声数据的形成的波形中局部的最小值，得到软故障分析模型。进一步，所述第一运行数据包括空调在硬故障状态下的前6个月的数据。进一步，所述第一运行数据包括以下至少之一：温度值；电流值；功率值。第二方面，本申请提供了一种基于大数据对空调软故障分析装置，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述所述的基于大数据对空调软故障分析方法。第三方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如上所述的基于大数据对空调软故障分析方法。第四方面，本申请还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使计算机执行如上所述的基于大数据对空调软故障分析方法。本申请实施例中提供的一个或多个技术方案，至少具有如下有益效果：本申请实施例输入空调在硬故障状态下的第一运行数据；通过肖维勒算法对所述第一运行数据进行计算，得到异常数据；通过移动平均过程对所述第一运行数据进行计算，得到噪声数据；通过皮尔森相关系数对所述异常数据和所述噪声数据进行分析，通过梯度下降法得到软故障分析模型；根据故障分析模型以及第二运行数据，得到所述空调的软故障对应的部件。能够准确检测到空调的软故障，从而能够对空调进行维护，提升空调的使用质量。附图说明下面结合附图和实例对本申请作进一步说明。图1是本申请一个实施例提供的基于大数据对空调软故障分析方法的流程图；图2是本申请另一个实施例提供的基于大数据对空调软故障分析方法的流程图；图3是本申请另一个实施例提供的基于大数据对空调软故障分析方法的流程图；图4是本申请另一个实施例提供的基于大数据对空调软故障分析方法的流程图；图5是本申请另一个实施例提供的基于大数据对空调软故障分析方法的流程图；图6是本申请另一个实施例提供的基于大数据对空调软故障分析方法的流程图；图7是本申请一个实施例提供的一种用于执行基于大数据对空调软故障分析方法的装置示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。需要说明的是，如果不冲突，本申请实施例中的各个特征可以相互结合，均在本申请的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。参照图1，本申请提出的基于大数据对空调软故障分析方法，包括以下步骤：步骤S100，输入空调在硬故障状态下的第一运行数据；步骤S200，通过肖维勒算法对第一运行数据进行计算，得到异常数据；步骤S300，通过移动平均过程对第一运行数据进行计算，得到噪声数据；步骤S400，通过皮尔森相关系数对异常数据和噪声数据进行分析，通过梯度下降法得到软故障分析模型；步骤S500，根据故障分析模型以及第二运行数据，得到空调的软故障对应的部件。在一实施例中，对空调中搭建一个物联网系统，将空调中每一个部件设置安装传感器，实时对空调的部件进行数据采集，将硬故障的异常的数据进行记录，将这些数据进行学习。将具体硬故障的数据进行数据挖掘，得到出软故障演变成硬故障的数据模型，可以输入空调在硬故障状态下的第一运行数据；通过肖维勒算法对第一运行数据进行计算，得到异常数据；通过移动平均过程对第一运本文档来自技高网...

【技术保护点】
1.基于大数据对空调软故障分析方法，其特征在于，包括以下步骤：输入空调在硬故障状态下的第一运行数据；/n通过肖维勒算法对所述第一运行数据进行计算，得到异常数据；/n通过移动平均过程对所述第一运行数据进行计算，得到噪声数据；/n通过皮尔森相关系数对所述异常数据和所述噪声数据进行分析，通过梯度下降法得到软故障分析模型；/n根据故障分析模型以及第二运行数据，得到所述空调的软故障对应的部件。/n

【技术特征摘要】
1.基于大数据对空调软故障分析方法，其特征在于，包括以下步骤：输入空调在硬故障状态下的第一运行数据；
通过肖维勒算法对所述第一运行数据进行计算，得到异常数据；
通过移动平均过程对所述第一运行数据进行计算，得到噪声数据；
通过皮尔森相关系数对所述异常数据和所述噪声数据进行分析，通过梯度下降法得到软故障分析模型；
根据故障分析模型以及第二运行数据，得到所述空调的软故障对应的部件。


2.根据权利要求1所述的基于大数据对空调软故障分析方法，其特征在于：在所述通过肖维勒算法对所述第一运行数据进行计算，得到异常数据包括：
确定以正态分布的均值为中心的概率带；
剔除第一运行数据中所述概率带内的数据，得到异常数据。


3.根据权利要求1所述的基于大数据对空调软故障分析方法，其特征在于：所述通过移动平均过程对所述第一运行数据进行计算，得到噪声数据包括：
通过移动平均过程对所述第一运行数据中的白噪声数据进行计算，得到噪声数据。


4.根据权利要求3所述的基于大数据对空调软故障分析方法，其特征在于：所述通过移动平均过程对所述第一运行数据中的白噪声数据进行计算，得到噪声数据，包括：
所述第一运行数据中的白噪声数据按照时间序列将每一期值的当前白噪声数据加上前一期白噪声数据的若干倍进行计算，得到噪声数据。


5.根据权利要求1所述的基于大数据对空调软故障分析方法，...

【专利技术属性】
技术研发人员：刘慧琳，邹观华，李云龙，李晓明，方梓泾，林梓健，彭伊敏，陈琛，兰友世，谢华慧，梁淑芬，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44