基于特征相似度的冰箱故障定位方法及装置、介质、设备制造方法及图纸

本发明专利技术涉及一种基于特征相似度的冰箱故障定位方法及装置、介质、设备。方法包括：获取冰箱在当前单位时间内上传的各个传感器的采集数据；从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据；根据所述当前单位时间所在的时间窗口内的各个单位时间各自对应的特征数据和预先通过大数据统计得到的标准特征数据，确定所述冰箱是否存在故障；若确定所述冰箱存在故障，则根据所述当前单位时间对应的特征数据和通过大数据统计得到的各个类型故障对应的特征数据之间的特征相似度，确定所述冰箱的故障类型。本发明专利技术实施例可以提高故障定位效率。以提高故障定位效率。以提高故障定位效率。

【技术实现步骤摘要】
基于特征相似度的冰箱故障定位方法及装置、介质、设备


[0001]本专利技术涉及故障处理
，尤其是涉及一种基于特征相似度的冰箱故障定位方法及装置、介质、设备。

技术介绍

[0002]随着社会经济的发展，人们生活水平的提高，冰箱走进千家万户成为每个家庭的日常生活的必需品。现有的冰箱家电产品采用的是MCU进行控制，在冰箱工作的过程中MCU也会根据传感器反馈以及相关逻辑判定部分零部件是否出现故障，但是冰箱MCU通常仅进行简单的逻辑判断，所以故障诊断准确率并不高。当设备出现故障无法正常工作后，用户找到售后工作人员进行详细排查后才能诊断维修。

技术实现思路

[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本专利技术提供了一种基于特征相似度的冰箱故障定位方法及装置、介质、设备。
[0004]第一方面，本专利技术实施例提供一种基于特征相似度的冰箱故障定位方法，包括：
[0005]获取冰箱在当前单位时间内上传的各个传感器的采集数据；
[0006]从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据；
[0007]根据所述当前单位时间所在的时间窗口内的各个单位时间各自对应的特征数据和预先通过大数据统计得到的标准特征数据，确定所述冰箱是否存在故障；
[0008]若确定所述冰箱存在故障，则根据所述当前单位时间对应的特征数据和通过大数据统计得到的各个类型故障对应的特征数据之间的特征相似度，确定所述冰箱的故障类型。
[0009]第二方面，本专利技术实施例提供一种基于特征相似度的冰箱故障定位装置，包括：
[0010]数据获取模块，用于获取冰箱在当前单位时间内上传的各个传感器的采集数据；
[0011]特征提取模块，用于从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据；
[0012]故障确定模块，用于根据所述当前单位时间所在的时间窗口内的各个单位时间各自对应的特征数据和预先通过大数据统计得到的标准特征数据，确定所述冰箱是否存在故障；
[0013]类型确定模块，用于若确定所述冰箱存在故障，则根据所述当前单位时间对应的特征数据和通过大数据统计得到的各个类型故障对应的特征数据之间的特征相似度，确定所述冰箱的故障类型。
[0014]第三方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面提供的方法。
[0015]第四方面，本专利技术实施例提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面提供的所述的方法。
[0016]本专利技术实施例提供的基于特征相似度的冰箱故障定位方法及装置、介质、设备，各自组合后具有如下有益效果：
[0017](1)获取冰箱在当前单位时间内上传的各个传感器的采集数据，从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据，并根据所述当前单位时间所在的时间窗口内的各个单位时间各自对应的特征数据和预先通过大数据统计得到的标准特征数据，确定所述冰箱是否存在故障；若确定所述冰箱存在故障，则根据所述当前单位时间对应的特征数据和通过大数据统计得到的各个类型故障对应的特征数据之间的特征相似度，确定所述冰箱的故障类型。可见，本专利技术实施例提供的方法基于各个传感器的采集数据进行一系列的分析，从而得知冰箱是否存在故障，如果存在故障则存在哪种类型的故障。这种方式不需要维修人员现场进行排查就可以进行故障定位，可以大大提高故障定位效率。
[0018](2)在一个实施例中，将所在时间窗口内的各个单位时间的特征数据分别与标准特征数据进行对比，通过连续多个单位时间的对比结果判断冰箱是否存在故障，这样可以提高故障判断的准确性。
[0019](3)在一个实施例中，在进行特征提取之前，对采集数据进行缺失值处理、异常值处理，可以提高采集数据的可靠性，进而提高故障判断的准确度。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术一个实施例中基于特征相似度的冰箱故障定位方法的流程示意图；
[0023]图2为本专利技术一个实施例中基于特征相似度的冰箱故障定位装置的结构框图。
具体实施方式
[0024]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]本专利技术实施例提供一种基于特征相似度的冰箱故障定位方法。
[0026]参见图1，该方法包括如下步骤S110～S140：
[0027]S110、获取冰箱在当前单位时间内上传的各个传感器的采集数据；
[0028]在实际场景中，冰箱中的各个传感器在采集数据后，会将数据上传至云端的大数据平台进行存储，因此可以从云端的大数据平台上获取上述采集数据。
[0029]其中，单位时间可以以天为单位，即每天的24：00获取执行一次步骤S110，从而获得这一天的各个传感器的采集数据。
[0030]其中，冰箱内的传感器可以包括温度传感器、湿度传感器等，用来采集冰箱内温度、湿度以及各种状态数据。
[0031]可理解的是，由于冰箱和云端的大数据平台之间具有连接关系，冰箱按照物联网通信协议将采集数据上传至大数据平台，因此采集数据也可以称为物联网数据，即IOT数据。
[0032]其中，每一个传感器的采集数据是按照时间顺序排列形成的数据序列。
[0033]S120、从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据；
[0034]也就是说，从各个传感器的采集数据中进行特征提取，从而得到特征数据，该特征数据可以称为当前单位时间对应的特征数据。
[0035]在一个实施例中，S120可以具体包括A1～A3：
[0036]A1、若所述采集数据为类别型的采集数据，则采用独热编码的方式将类别型的采集数据转换为数值型的采集数据，将数值型的采集数据作为特征数据；其中，所述类别型的采集数据为状态数据；
[0037]例如，针对压缩机状态、风门状态、风机状态、加热器状态等类别型的采集数据，需要将其转换为数值型的采集数据。具体采用独热编码的方式将其转换为数值型的采集数据，实现类别型的采集数据从低维到高维的稀疏编码，将得到的数值型的采集数据作为对应的特征数据。
...

【技术保护点】

【技术特征摘要】
1.一种基于特征相似度的冰箱故障定位方法，其特征在于，包括：获取冰箱在当前单位时间内上传的各个传感器的采集数据；从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据；根据所述当前单位时间所在的时间窗口内的各个单位时间各自对应的特征数据和预先通过大数据统计得到的标准特征数据，确定所述冰箱是否存在故障；若确定所述冰箱存在故障，则根据所述当前单位时间对应的特征数据和通过大数据统计得到的各个类型故障对应的特征数据之间的特征相似度，确定所述冰箱的故障类型。2.根据权利要求1所述的方法，其特征在于，所述从所述采集数据提取出所述当前单位时间对应的特征数据之前，所述方法还包括：统计各个传感器的采集数据中的缺失值的数量；若一个传感器的采集数据中的缺失值数量的占比超过预设占比，则删除该传感器的采集数据；若一个传感器的采集数据中的缺失值数量的占比未超过预设占比，则对缺失值进行填充；其中，针对数值型的采集数据中的缺失值，通过均值进行填充；针对类别型的采集数据中的缺失值，通过众数进行填充。3.根据权利要求2所述的方法，其特征在于，所述从所述采集数据提取出所述当前单位时间对应的特征数据之前以及在缺失值填充之后，还包括：将每一个传感器的采集数据按照从小到大的顺序排序，得到数据序列；计算数据序列中四分之三位置处的数据和四分之一位置处的数据之间的差值，并根据所述差值确定异常值分布区间；将位于所述异常值分布区间内的数据剔除；其中，所述异常值分布区间包括：[
‑
∞,Q1‑
3*IQR]和[Q3+3*IQR,+∞]，Q1为四分之一位置处的数据，Q3为四分之三位置处的数据，IQR为所述差值。4.根据权利要求1所述的方法，其特征在于，所述从所述各个传感器的采集数据提取出所述当前单位时间对应的特征数据，包括：若所述采集数据为类别型的采集数据，则采用独热编码的方式将类别型的采集数据转换为数值型的采集数据，将数值型的采集数据作为特征数据；其中，所述类别型的采集数据为状态数据；针对温度传感器的采集数据，生成温差特征数据和温度变化率特征数据，其中，所述温差特征数据为各个采集数据之间的温度差值，在计算温度差值之前，将各个采集数据减去冰箱的间室设定温度；通过多项式变换方式将特征数据进行高维变换，得到非线性的特征数据。5.根据权利要求4所述的方法，其特征在于，采用第一计算式确定温度变化率特征数据，所述第一计算式为：Δε
t
＝ε
t
‑
ε
o
；其中，Δε
t
为在当前单位时间内t时刻的温度变化率特征数据，ε
t
为在当前单位时间内t时刻的采集数据；ε
o
为基准值；若Δε
t
与Δε
t1
的方向相同，则ε
o
不变；若Δε
t
...

【专利技术属性】
技术研发人员：付雄，尚靖，任飞，
申请(专利权)人：四川虹美智能科技有限公司，
类型：发明
国别省市：