一种空调安装维护系统及其检测方法技术方案

本申请提供一种空调安装维护系统及其检测方法。本申请通过传感装置定位结构将设置在空调外机机身底部的振动传感装置紧密抵接在安装支架的上表面，从而同时采集安装支架以及空调外机自身的震动信号。本申请通过对震动信号的滤波和小波变换，获得包含有故障信号的工作状态矩阵X，从而通过对工作状态矩阵X的特征提取，相应获得空调外机的故障特征，识别出其故障状态，并由此将空调外机的故障情况存储至检测日志。维修人员通过检修设备读取检测日志时，能够直接提示空调故障，以方便维修人员迅速定位故障部件进行维修更换。速定位故障部件进行维修更换。速定位故障部件进行维修更换。

【技术实现步骤摘要】
一种空调安装维护系统及其检测方法


[0001]本申请涉及空调设备领域，具体而言涉及一种空调安装维护系统及其检测方法。

技术介绍

[0002]现有的家用空调，一般只有在出现明显故障时才会对其进行维修。此时，需要维修工人通过各种检测工具对空调故障原因进行逐一排查后，才能根据具体故障情况进行单独维修。
[0003]空调内部设备结构复杂，既有压缩机、冷凝管等复杂机械单元，也有控制板、大功率电容、电感等复杂电路单元，而且，空调外机安装不当或受外部环境影响也容易产生故障。因此，维修工人往往需要携带大量检测工具，才能够完成对空调的维护与检修。

技术实现思路

[0004]本申请针对现有技术的不足，提供一种空调安装维护系统及其检测方法，本申请利用振动传感装置检测空调外机的工作状态时域信号，从而通过小波变换和卷积神经网络提取出空调工作过程中所产生的故障特征，对维修工人进行空调故障的提示，提高维护效率。本申请具体采用如下技术方案。
[0005]首先，为实现上述目的，提出一种空调安装维护系统，其包括：振动传感装置，其设置在空调外机的机身底部，用于感应于空调外机的振动信号而相应输出传感信号s(t)；传感装置定位结构，其包围空调外机的安装支架，设置在所述振动传感装置的下方，所述传感装置定位结构的顶部与空调外机的机身底部固定连接，将振动传感装置紧密抵接在安装支架的上表面；低噪声滤波单元，其连接振动传感装置，用于滤除传感信号s(t)中的噪声分量，获得工作状态时域信号x(t)；小波变换单元，其连接低噪声滤波单元，用于对滤波后所获得的工作状态时域信号x(t)进行小波变换，获得工作状态矩阵卷积神经网络，其连接小波变换单元，用于对工作状态矩阵X进行特征提取，获得空调外机的故障特征，识别故障状态，并将故障特征所对应的工作状态矩阵、故障时间存储至检测日志，以在空调维护时将故障特征输出至检修设备进行提示。
[0006]可选的，如上任一所述的空调安装维护系统，其中，所述低噪声滤波单元还用于在滤除传感信号s(t)中的噪声分量后，进一步地对剩余信号按照以下步骤进行归一化预处理处理，以获得工作状态时域信号x(t)：步骤11，按照剩余信号的幅值范围对其进行分段切割，依次获得信号片段x1(t)，x2(t)，
…
，xn(t)，n≥1；步骤12，分别对每一信号片段进行归一化处理，将每一信号片段的幅值均分别调整至0～1之间；步骤13，将调整后的各信号片段顺序拼接，获得工作状态时域信号x(t)。
[0007]可选的，如上任一所述的空调安装维护系统，其中，所述小波变换单元中，进行小波变换时所采用的小波函数为：其中，m为常数，m根据
归一化预处理时的调整比例而在1
‑
6的整数之间选择。
[0008]可选的，如上任一所述的空调安装维护系统，其中，所述卷积神经网络具体按照以下步骤进行训练以对工作状态矩阵X进行特征提取，获得空调外机的故障特征：步骤x1，分别采集不同故障特征T下所对应的工作状态矩阵将其组合为训练数据(X，T)；步骤x2，以X为输入，以其在训练数据中所对应的T为目标反馈，分别对具有单隐层和3隐层的两个神经网络进行训练，其中，两神经网络的前向传播函数分别为Z
[l]＝W
[l]·
A
[l
‑
1]+b
[l]，A
[l]＝g
[l]Z
[l]；两神经网络的反向传播函数分别为：dZ
[l]＝dA
[l]*g
[l]′
(Z
[l])，dA
[l
‑
1]＝W
[l]T
·
dZ
[l]；其中，W
[l]和b
[l]分别为第1层的参数；两神经网络具有相同的代价函数：为第1层的参数；两神经网络具有相同的代价函数：其中，为神经网络的预测值，y
(i)
为实际反馈值；两神经网络的参数通过训练不断按照下式调整：w：＝w
‑
0.02dw；b：＝b
‑
0.02db，最终获得第l层的参数对应分别为W
[l]和b
[l]。
[0009]可选的，如上任一所述的空调安装维护系统，其中，将故障特征所对应的工作状态矩阵、故障时间存储至检测日志时：以故障特征为检索标志，首先查询检测日志中是否已记录当前的故障特征，若已经记录，则在该故障特征项目下进一步记录本次所对应的工作状态矩阵及故障时间；否则，新建故障特征项目，并在该项目下记录本次所对应的工作状态矩阵及故障时间。
[0010]可选的，如上任一所述的空调安装维护系统，其中，将故障特征输出至检修设备进行提示时，在第一级界面上显示各故障特征，在第二级界面上分别按照时间顺序显示各故障特征所对应的故障时间，在第三级界面上显示上传各工作状态矩阵的触发端口。
[0011]可选的，如上任一所述的空调安装维护系统，其中，所述检修设备具有无线传输模块，用于将各故障特征所对应的工作状态矩阵和故障时间上传至服务器，还用于接收服务器对卷积神经网络的更新，触发空调相应调整其卷积神经网络中的各参数。
[0012]同时，为实现上述目的，本申请还提供一种空调检测方法，其步骤包括：第一步，采集空调外机的振动信号而相应获得传感信号s(t)；第二步，滤除传感信号s(t)中的噪声分量，获得工作状态时域信号x(t)；第三步，对滤波后所获得的工作状态时域信号x(t)进行小波变换，获得工作状态矩阵第四步，利用卷积神经网络对工作状态矩阵X进行特征提取，获得空调外机的故障特征，识别故障状态，并将故障特征所对应的工作状态矩阵、故障时间存储至检测日志，以在空调维护时将故障特征输出至检修设备进行提示。
[0013]可选的，如上任一所述的空调检测方法，其中，第四步中，分别通过具有单隐层和3隐层的两个卷积神经网络对工作状态矩阵X进行特征提取，分别获得空调外机的两组故障特征，分别对两组故障特征进行分类识别，在两组识别结果一致时，将故障特征所对应的工作状态矩阵、故障时间存储至检测日志；在两组识别结果不一致时，分别将两组故障特征所
对应的工作状态矩阵、故障时间均存储至检测日志。
[0014]可选的，如上任一所述的空调检测方法，其中，空调维护时，还自动通过连接空调外机的检修设备中的无线传输模块，将各故障特征所对应的工作状态矩阵和故障时间上传至服务器，并同时接收服务器对卷积神经网络的更新，触发空调相应调整其卷积神经网络中的各参数。
[0015]有益效果
[0016]本申请通过传感装置定位结构将设置在空调外机机身底部的振动传感装置紧密抵接在安装支架的上表面，从而同时采集安装支架以及空调外机自身的震动信号。本申请通过对震动信号的滤波和小波变换，获得包含有故障信号的工作状态矩阵X，从而通过对工作状态矩阵X的特征提取，相应获得空调外机的故障特征，识别出其故障状态，并由此将空调外机的故障情况存储至检测日志。维修人员通过检修设备读取检测日志时，能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调安装维护系统，其特征在于，包括：振动传感装置(31)，其设置在空调外机(3)的机身底部，用于感应于空调外机的振动信号而相应输出传感信号s(t)；传感装置定位结构(2)，其包围空调外机(3)的安装支架(1)，设置在所述振动传感装置(31)的下方，所述传感装置定位结构(2)的顶部与空调外机(3)的机身底部固定连接，将振动传感装置(31)紧密抵接在安装支架(1)的上表面；低噪声滤波单元，其连接振动传感装置(31)，用于滤除传感信号s(t)中的噪声分量，获得工作状态时域信号x(t)；小波变换单元，其连接低噪声滤波单元，用于对滤波后所获得的工作状态时域信号x(t)进行小波变换，获得工作状态矩阵卷积神经网络，其连接小波变换单元，用于对工作状态矩阵X进行特征提取，获得空调外机的故障特征，识别故障状态，并将故障特征所对应的工作状态矩阵、故障时间存储至检测日志，以在空调维护时将故障特征输出至检修设备进行提示。2.如权利要求1所述的空调安装维护系统，其特征在于，所述低噪声滤波单元还用于在滤除传感信号s(t)中的噪声分量后，进一步地对剩余信号按照以下步骤进行归一化预处理处理，以获得工作状态时域信号x(t)：步骤11，按照剩余信号的幅值范围对其进行分段切割，依次获得信号片段x1(t)，x2(t)，
…
，xn(t)，n≥1；步骤12，分别对每一信号片段进行归一化处理，将每一信号片段的幅值均分别调整至0～1之间；步骤13，将调整后的各信号片段顺序拼接，获得工作状态时域信号x(t)。3.如权利要求2所述的空调安装维护系统，其特征在于，所述小波变换单元中，进行小波变换时所采用的小波函数为：其中，m为常数，m根据归一化预处理时的调整比例而在1
‑
6的整数之间选择。4.如权利要求2
‑
3所述的空调安装维护系统，其特征在于，所述卷积神经网络具体按照以下步骤进行训练以对工作状态矩阵X进行特征提取，获得空调外机的故障特征：步骤x1，分别采集不同故障特征T下所对应的工作状态矩阵将其组合为训练数据(X，T)；步骤x2，以X为输入，以其在训练数据中所对应的T为目标反馈，分别对具有单隐层和3隐层的两个神经网络进行训练，其中，两神经网络的前向传播函数分别为Z
[l]
＝W
[l]
·
A
[l
‑
1]
+b
[l]
，A
[l]
＝g
[l]
Z
[l]
；两神经网络的反向传播函数分别为：
dZ
[l]
＝dA
[l]
*g
[l]
′
(Z
[l]
)，)，dA
[l
‑
1]

【专利技术属性】
技术研发人员：伊江峰，王俊，宋佳佳，
申请(专利权)人：上海格新电器服务有限公司，
类型：发明
国别省市：