一种基于概率神经网络的分体式空调故障识别方法技术

本发明专利技术公开了一种基于概率神经网络的分体式空调故障识别方法，属于空调技术领域，包括：采集分体式空调运行状态的多组全维度特征信号；预设故障类型，将多组全维度特征信号中的一部分组作为训练样本输入概率神经网络模型进行训练；将另一部分组作为测试样本输入概率神经网络模型进行测试，直至获得合格的概率神经网络模型；接收携带有故障信息的故障分析指令；根据故障信息以及预设的匹配清单，确定并采集分体式空调运行状态下的有用维度特征信号，并从预设的补充集中获取无用维度特征信号；将有用维度特征信号和无用维度特征信号输入概率神经网络模型，获得分体式空调的故障类型。本发明专利技术能够有效降低其他信号的干扰、提高故障分析结果的准确率。

【技术实现步骤摘要】
一种基于概率神经网络的分体式空调故障识别方法
本专利技术涉及空调
，特别涉及一种基于概率神经网络的分体式空调故障识别方法。
技术介绍
分体式空调由室内机和室外机组成，两者分别安装在室内和室外,中间通过管路和电线连接起来的空气调节器。它是一台内机对应一台外机,它与整体式空调器是相对的，整体式空调器是一体机，无内、外机之分；分体式空调室内机有壁挂式、立柜式、吊顶式、嵌入式、落地式等类型。可见，由于分体式空调分为内机、外机和连接管路，因此当某一部分发生故障时，其外在的故障表现较为明显，例如故障表现为内机噪声或者振动较大时，则故障原因出现在内机上，通常与外机以及管路无关，因此只需要对内机进行故障分析即可。然而现有技术中，空调的故障分析识别方法和系统需要对整机的各项参数进行采集和处理，这导致参数数据的采集和处理量较大，并且当空调的参数同时存在两个异常，并且两个异常参数分别带来不同的故障，那么这两个故障参数会互相影响，导致无法给出正确的故障识别结果。例如，当其中的异常参数A带来的故障并不影响正常使用时，那么希望获得的是有异常参数B带来本文档来自技高网...

【技术保护点】
1.一种基于概率神经网络的分体式空调故障识别方法，其特征在于：包括，/n采集所述分体式空调运行状态下的多组全维度特征信号，所述分体式空调运行状态包括故障运行和正常运行，所述全维度特征信号为从多个维度测得的所述分体式空调在运行状态下产生的特征信号；/n预设故障类型，将所述多组全维度特征信号中的一部分组作为训练样本，并将各组全维度特征信号作为故障特征向量输入概率神经网络模型进行训练；/n将所述多组全维度特征信号中的另一部分组作为测试样本，并将各组全维度特征信号作为故障特征向量输入概率神经网络模型进行测试，对概率神经网络模型的准确性进行验证，直至获得合格的概率神经网络模型；/n接收故障分析指令，所述...

【技术特征摘要】
1.一种基于概率神经网络的分体式空调故障识别方法，其特征在于：包括，
采集所述分体式空调运行状态下的多组全维度特征信号，所述分体式空调运行状态包括故障运行和正常运行，所述全维度特征信号为从多个维度测得的所述分体式空调在运行状态下产生的特征信号；
预设故障类型，将所述多组全维度特征信号中的一部分组作为训练样本，并将各组全维度特征信号作为故障特征向量输入概率神经网络模型进行训练；
将所述多组全维度特征信号中的另一部分组作为测试样本，并将各组全维度特征信号作为故障特征向量输入概率神经网络模型进行测试，对概率神经网络模型的准确性进行验证，直至获得合格的概率神经网络模型；
接收故障分析指令，所述故障分析指令携带有故障信息；
根据所述故障信息以及预设的匹配清单，确定并采集所述分体式空调运行状态下的有用维度特征信号，并从预设的补充集中获取无用维度特征信号，所述有用维度特征信号和所述无用维度特征信号共同构成所述全维度特征信号；
将所述有用维度特征信号以及所述无用维度特征信号输入所述合格的概率神经网络模型，获得所述分体式空调的故障类...

【专利技术属性】
技术研发人员：蔡钧，樊森，周强，何明，
申请(专利权)人：国网江苏综合能源服务有限公司，
类型：发明
国别省市：江苏;32