故障处理方法、装置、信息处理装置、存储介质和服务器制造方法及图纸

本发明专利技术公开了一种故障处理方法，包括：接收家电设备发送的至少一个特征声音数据；获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，确定所述家电设备发生故障时，确定第一目标故障类型和所述第一目标故障类型对应的解决方案；和/或，获取预设的故障预测模型，运用所述故障预测模型识别所述至少一个特征声音数据，预测所述家电设备存在异常时，预测第二目标故障类型。本发明专利技术还公开了一种故障处理装置、信息处理装置、存储介质和服务器。

【技术实现步骤摘要】
故障处理方法、装置、信息处理装置、存储介质和服务器
本专利技术涉及人工智能技术，尤其涉及一种故障处理方法、装置、信息处理装置、计算机可读存储介质和服务器。
技术介绍
针对家电设备，传统的故障分析一般为：根据用户终端的用户界面(UI，UserInterface)呈现的故障报告、故障内容进行故障诊断、猜测。但是用户并不懂得故障诊断方法，在使用过程中遇到故障时仅能将问题向厂家投诉，对故障描述可能不准确；而厂家无法即时查看设备，无法准确定位问题，进行故障排除，影响用户体验。
技术实现思路
为解决现有存在的技术问题，本专利技术实施例提供一种故障处理方法、装置、信息处理装置、计算机可读存储介质和服务器。本专利技术的技术方案是这样实现的：本专利技术实施例提供了一种故障处理方法，所述方法包括：接收家电设备发送的至少一个特征声音数据；获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，确定所述家电设备发生故障时，确定第一目标故障类型和所述第一目标故障类型对应的解决方案；和/或，获取预设的故障预测模型，运用所述故障预测模型识别所述至少一个特征声音数据，预测所述家电设备存在异常时，预测第二目标故障类型。上述方案中，所述预测第二目标故障类型之后，所述方法还包括：根据所述故障预测模型中所述第二目标故障类型对应的声音数据和所述至少一个特征声音数据，预测发生第二目标故障的概率。上述方案中，所述方法还包括：生成所述诊断模型；所述生成诊断模型，包括：获取包括有发生故障时至少一个第一训练声音数据、各第一训练声音数据对应的第一故障类型的第一训练声音数据集；所述第一故障类型表征家电设备内的故障器件产生故障的原因；对所述至少一个第一训练声音数据进行分类，获得针对至少一种第一故障类型的第一声音数据集；所述第一声音数据集包括至少一个第一训练声音数据；获取预设的神经网络，根据所述针对至少一种第一故障类型的第一声音数据集训练所述神经网络，获得训练后的所述神经网络作为所述诊断模型。上述方案中，所述根据所述针对至少一种第一故障类型的第一声音数据集训练所述神经网络，包括：确定所述第一声音数据集中各第一训练声音数据的声音特征；所述声音特征，包括以下至少一个：声谱图、短时幅值过零率、短时平均能量和梅尔频率倒谱系数(MFCC，MelFrequencyCepstrumCoefficient)；根据所述针对至少一种第一故障类型的第一声音数据集中各第一训练声音数据的声音特征，训练所述神经网络。上述方案中，所述确定第一目标故障类型和所述第一目标故障类型对应的解决方案，包括：获取预设的故障类型和解决方案的对应关系；根据确定的所述第一目标故障类型查询所述对应关系，确定所述第一目标故障类型对应的解决方案。上述方案中，所述方法还包括：生成所述故障预测模型；所述生成故障预测模型，包括：获取第二训练声音数据集；所述第二训练声音数据集，包括：发生故障及发生故障前预设时间段内的至少一个第二训练声音数据、各第二训练声音数据对应的第二故障类型；所述第二故障类型表征预测家电设备内的故障器件产生故障的原因；对所述至少一个第二训练声音数据进行分类，获得针对至少一种第二故障类型的第二声音数据集，所述第二声音数据集包括至少一个第二训练声音数据；获取预设的逻辑回归模型，根据所述针对至少一种第二故障类型的第二声音数据集训练所述逻辑回归模型，获得训练后的所述逻辑回归模型作为所述故障预测模型。本专利技术实施例提供了一种故障处理装置，所述装置包括：第一处理模块和第二处理模块；其中，所述第一处理模块，用于接收家电设备发送的至少一个特征声音数据；所述第二处理模块，用于获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，确定所述家电设备发生故障时，确定第一目标故障类型和所述第一目标故障类型对应的解决方案；和/或，获取预设的故障预测模型，运用所述故障预测模型识别所述至少一个特征声音数据，预测所述家电设备存在异常时，预测第二目标故障类型。上述方案中，所述第二处理模块，还用于根据所述故障预测模型中所述第二目标故障类型对应的声音数据和所述至少一个特征声音数据，预测发生第二目标故障的概率。上述方案中，所述装置还包括：第一预处理模块，用于生成所述诊断模型；所述第一预处理模块，用于获取包括有发生故障时至少一个第一训练声音数据、各第一训练声音数据对应的第一故障类型的第一训练声音数据集；所述第一故障类型表征家电设备内的故障器件产生故障的原因；对所述至少一个第一训练声音数据进行分类，获得针对至少一种第一故障类型的第一声音数据集；所述第一声音数据集包括至少一个第一训练声音数据；获取预设的神经网络，根据所述针对至少一种第一故障类型的第一声音数据集训练所述神经网络，获得训练后的所述神经网络作为所述诊断模型。上述方案中，所述第一预处理模块，用于确定所述第一声音数据集中各第一训练声音数据的声音特征；所述声音特征，包括以下至少一个：声谱图、短时幅值过零率、短时平均能量和MFCC；根据所述针对至少一种第一故障类型的第一声音数据集中各第一训练声音数据的声音特征，训练所述神经网络。上述方案中，所述第二处理模块，用于获取预设的故障类型和解决方案的对应关系；根据确定的所述第一目标故障类型查询所述对应关系，确定所述第一目标故障类型对应的解决方案。上述方案中，所述装置包括：第二预处理模块，用于生成所述故障预测模型；所述第二预处理模块，用于获取第二训练声音数据集；所述第二训练声音数据集，包括：发生故障及发生故障前预设时间段内的至少一个第二训练声音数据、各第二训练声音数据对应的第二故障类型；所述第二故障类型表征预测家电设备内的故障器件产生故障的原因；对所述至少一个第二训练声音数据进行分类，获得针对至少一种第二故障类型的第二声音数据集，所述第二声音数据集包括至少一个第二训练声音数据；获取预设的逻辑回归模型，根据所述针对至少一种第二故障类型的第二声音数据集训练所述逻辑回归模型，获得训练后的所述逻辑回归模型作为所述故障预测模型。本专利技术实施例提供了一种信息处理装置，所述装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，执行以上任一所述故障处理方法的步骤。本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上任一所述故障处理方法的步骤。本专利技术实施例还提供了一种服务器，所述服务器包括处理器、存储有由所述处理器运行的可执行程序的存储器，所述处理器运行所述可执行程序时执行以上任一所述故障处理方法的步骤。本专利技术实施例所提供的故障处理方法、装置、信息处理装置、计算机可读存储介质和服务器，接收家电设备发送的至少一个特征声音数据；获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，确定本文档来自技高网...

【技术保护点】
1.一种故障处理方法，其特征在于，所述方法包括：/n接收家电设备发送的至少一个特征声音数据；/n获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，确定所述家电设备发生故障时，确定第一目标故障类型和所述第一目标故障类型对应的解决方案；和/或，获取预设的故障预测模型，运用所述故障预测模型识别所述至少一个特征声音数据，预测所述家电设备存在异常时，预测第二目标故障类型。/n

【技术特征摘要】
1.一种故障处理方法，其特征在于，所述方法包括：
接收家电设备发送的至少一个特征声音数据；
获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，确定所述家电设备发生故障时，确定第一目标故障类型和所述第一目标故障类型对应的解决方案；和/或，获取预设的故障预测模型，运用所述故障预测模型识别所述至少一个特征声音数据，预测所述家电设备存在异常时，预测第二目标故障类型。


2.根据权利要求1所述的方法，其特征在于，所述预测第二目标故障类型之后，所述方法还包括：
根据所述故障预测模型中所述第二目标故障类型对应的声音数据和所述至少一个特征声音数据，预测发生第二目标故障的概率。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：生成所述诊断模型；所述生成诊断模型，包括：
获取包括有发生故障时至少一个第一训练声音数据、各第一训练声音数据对应的第一故障类型的第一训练声音数据集；所述第一故障类型表征家电设备内的故障器件产生故障的原因；
对所述至少一个第一训练声音数据进行分类，获得针对至少一种第一故障类型的第一声音数据集；所述第一声音数据集包括至少一个第一训练声音数据；
获取预设的神经网络，根据所述针对至少一种第一故障类型的第一声音数据集训练所述神经网络，获得训练后的所述神经网络作为所述诊断模型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述针对至少一种第一故障类型的第一声音数据集训练所述神经网络，包括：
确定所述第一声音数据集中各第一训练声音数据的声音特征；所述声音特征，包括以下至少一个：声谱图、短时幅值过零率、短时平均能量和梅尔频率倒谱系数MFCC；
根据所述针对至少一种第一故障类型的第一声音数据集中各第一训练声音数据的声音特征，训练所述神经网络。


5.根据权利要求1所述的方法，其特征在于，所述确定第一目标故障类型和所述第一目标故障类型对应的解决方案，包括：
获取预设的故障类型和解决方案的对应关系；根据确定的所述第一目标故障类型查询所述对应关系，确定所述第一目标故障类型对应的解决方案。


6.根据权利要求2所述的方法，其特征在于，所述方法还包括：生成所述故障预测模型；
所述生成故障预测模型，包括：
获取第二训练声音数据集；所述第二训练声音数据集，包括：发生故障及发生故障前预设时间段内的至少一个第二训练声音数据、各第二训练声音数据对应的第二故障类型；所述第二故障类型表征预测家电设备内的故障器件产生故障的原因；
对所述至少一个第二训练声音数据进行分类，获得针对至少一种第二故障类型的第二声音数据集，所述第二声音数据集包括至少一个第二训练声音数据；
获取预设的逻辑回归模型，根据所述针对至少一种第二故障类型的第二声音数据集训练所述逻辑回归模型，获得训练后的所述逻辑回归模型作为所述故障预测模型。


7.一种故障处理装置，其特征在于，所述装置包括：第一处理模块和第二处理模块；其中，
所述第一处理模块，用于接收家电设备发送的至少一个特征声音数据；
所述第二处理模块，用于获取预设的诊断模型，运用所述诊断模型识别所述至少一个特征声音数据，...

【专利技术属性】
技术研发人员：陈必东，
申请(专利权)人：佛山市顺德区美的电热电器制造有限公司，
类型：发明
国别省市：广东;44