【技术实现步骤摘要】
空调故障预测方法、电子设备和储存介质
本专利技术涉及空调
,尤其涉及一种空调故障预测方法。
技术介绍
当空调发生故障时,对空调系统和用户体验产生巨大的影响,不仅导致能源浪费,还会缩短设备使用寿命,带来低效的环境舒适度。对于复杂的空调系统,仅仅依靠人工很难及时发现系统中出现的故障。空调故障可分为硬故障和软故障,硬故障主要是因器件完全失效所造成的故障,软故障主要是因器件性能下降或者部分失效所造成的故障。硬故障可以直接发现并及时维修,但软故障是渐变的,发展较慢,在初期往往很难被发现。目前市场上的空调故障处理方式主要是在发生硬故障时,对空调系统进行人工检查和维修,但对于渐变的软故障,都是通过各种计算机算法对故障进行预测与诊断。如:公开号为CN111578111A的申请文件中公开了一种空调故障预测方法、装置、存储介质及空调,所述方法包括:通过神经网络算法训练所述空调的故障预测模型;当所述空调运行时获取所述空调当前的运行数据,所述运行数据,包括:外部数据和内部数据;将所述空调当前的运行数据输入所述故障预测模型中进行故障预测;若预测出所述空调发生故障,则向所述空调的用户发送相应的提示信息。本专利技术提供的方案能够对空调进行故障预测,及时发现空调的各种故障,尤其是软故障,从而延长空调设备使用寿命。公开号为CN109931678A的申请文件中公开了一种基于深度学习LSTM的空调故障诊断方法,包括以下步骤:1)构建LSTM的空调故障诊断模型,所述故障诊断模型包括输入层、隐藏层、输出层和网络优化模块;其中,所 ...
【技术保护点】
1.一种空调故障预测方法,其特征在于,包括:/n监测空调当前的M个热力学参数,所述热力学参数为与空调故障相关的参数,所述M为大于1的整数;/n将所述M个热力学参数输入至空调故障预测模型进行故障预测,得到所述空调的故障类型;/n所述空调故障预测模型为通过第二故障分析数据训练得到的神经网络模型;所述第二故障分析数据为对第一故障分析数据进行高纬度映射后得到的线性可分的空调故障分析数据,所述第一故障分析数据为包括有至少N个故障关系组的数据集合,一个所述故障关系组包括:热力学参数和热力学参数对应的空调故障类型,所述N为大于2的整数。/n
【技术特征摘要】
1.一种空调故障预测方法,其特征在于,包括:
监测空调当前的M个热力学参数,所述热力学参数为与空调故障相关的参数,所述M为大于1的整数;
将所述M个热力学参数输入至空调故障预测模型进行故障预测,得到所述空调的故障类型;
所述空调故障预测模型为通过第二故障分析数据训练得到的神经网络模型;所述第二故障分析数据为对第一故障分析数据进行高纬度映射后得到的线性可分的空调故障分析数据,所述第一故障分析数据为包括有至少N个故障关系组的数据集合,一个所述故障关系组包括:热力学参数和热力学参数对应的空调故障类型,所述N为大于2的整数。
2.根据权利要求1所述的一种空调故障预测方法,其特征在于,所述将所述M个热力学参数输入至空调故障预测模型进行故障预测之前,包括:使用第二故障分析数据对所述空调故障预测模型进行训练。
3.根据权利要求2所述的一种空调故障预测方法,其特征在于,
所述使用第一故障分析数据对所述空调故障预测模型进行训练,包括:
获取用于预测空调故障的所述第一故障分析数据;
确定所述第一故障分析数据的映射函数;
根据所述映射函数将所述第一故障分析数据从第一维度映射至第二维度;
通过核函数计算得到第二故障分析数据,所述第二故障分析数据在所述第二维度线性可分;
用所述第二故障分析数据训练模型,得到所述空调故障预测模型。
4.根据权利要求3所述的一种空调故障预测方法,其特征在于,
所述热力学参数包括:排气温度、环境温度、化霜温度、液管温度、气管温度、吸气温度、进水温度、出水温度和排气压力;
所述空调故障类型包括:正常运行、制冷剂不足、制冷剂过多、风机不转、冷却水进水温度过低、冷却水进水温度过高、房间负荷过大、水流量过小、膨胀阀开度偏大和膨胀阀开度偏小。
5.根据权利要求4所述的一种空调故障预测方法,其特征在于,所述通过核函数计算得到第二故障分析数据包括:
计算所述空调故障类型在所述第二维度的类内散布矩阵和类间散布矩阵;
通过所述类内散布矩阵和所述类间散布矩阵计算所述热力学参数和所述空调故障类型在所述第二维度的特征值和特征向量;
通过所述特征值和所述特征向量计算投影矩阵;
通过所述投影矩阵计算得到所述第二故障分析数据。
6.根据权利要求5所述的一种空调故障预测方法,其特征在于,
所述通过所述类内散布矩阵和所述类间散布矩阵计算所述热力学参数和所述空调故障类型的特征值和特征向量,包括:
确定所述第二故障分析数据在所述第二维度的投影方向;
通过所述投影方向、所述类内散布矩阵和所述类间散布矩阵确定类判别准则函数;
通过对所述类判别准则函数计算所述热力学参数和所述空调故障类型的特征值和特征向量。
7.根据权利要求6所述的一种空调故障预测方法,其特征在于,所述通过对所述类判别准则函数计算所述热力学参数和所述空调故障类型的特征值和特征向量,包括:
对所述类判别准则函数的分母进行归一化;
对归一化后的所述类判别准则函数进行求导得到所述热力学参数和所述空调故障类型的特征值和特征向量。
8.根据权利要求5所述的一种空调故障预测方法,其特征在于,所述通过所述特征值和所述特征...
【专利技术属性】
技术研发人员:罗建飞,郭庆,曾奕,黄童毅,唐小朱,
申请(专利权)人:格力电器武汉有限公司,珠海格力电器股份有限公司,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。