检测室外机内风扇异常的方法、控制装置以及空调室外机制造方法及图纸

本发明专利技术涉及一种检测室外机内风扇异常的方法、控制装置以及空调室外机，所述方法包括：获取第一声音传感器收集的第一噪声数据，其中所述第一声音传感器用于监测室外机内风扇的噪音；获取第二声音传感器收集的第二噪声数据，其中所述第二声音传感器用于监测室外机外部的环境噪音；将所述第一噪声数据以及第二噪声数据输入至已训练的风扇状态判断神经网络中，得到风扇的运行状态。通过结合室外机内部和外部的声音数据，减少了噪声和其他干扰对风扇故障检测的影响。通过神经网络的分类能力，从复杂的噪声数据中准确提取出与风扇故障相关的特征，从而提高了故障检测的准确率和可靠性。性。性。

【技术实现步骤摘要】
检测室外机内风扇异常的方法、控制装置以及空调室外机


[0001]本专利技术涉及空调室外机检测领域，具体提供一种检测室外机内风扇异常的方法、控制装置以及空调室外机。

技术介绍

[0002]随着空调使用年限的时长，所以室外机存在故障的概率越来越高，而室外机中风扇则是最容易出问题的部件。
[0003]由于空调的长期使用，及室外环境的变化性，造成室外机轴流风扇扇叶有污染物的堆积附着，或风扇叶片的损坏，造成风扇转动异常，引起空调异常音或异常振动，影响了用户体验。但是现有技术中，没有技术能够对室外机的风扇进行有效的监控。
[0004]相应地，本领域需要一种新的室外机中风扇异常的检测方法方案来解决上述问题。

技术实现思路

[0005]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决现有技术中的室外机风扇不能有效监控的问题。
[0006]在第一方面，本专利技术提供一种检测室外机内风扇异常的方法，所述方法包括：获取第一声音传感器收集的第一噪声数据，其中所述第一声音传感器用于监测室外机内风扇的噪音；获取第二声音传感器收集的第二噪声数据，其中所述第二声音传感器用于监测室外机外部的环境噪音；将所述第一噪声数据以及第二噪声数据输入至已训练的风扇状态判断神经网络中，得到风扇的运行状态。
[0007]作为以上方案的替代或补充，在根据本专利技术一实施例的方法中，所述风扇状态判断神经网络中至少包括一个卷积神经网络层以及一个长短期记忆神经网络层。
[0008]作为以上方案的替代或补充，在根据本专利技术一实施例的方法中，将所述第一噪声数据以及第二噪声数据输入至已训练的风扇状态判断神经网络中，得到风扇的运行状态，包括：分别对所述第一噪声数据以及第二噪声数据进行预处理，得到相对应的标准化第一频谱图数据以及标准化第二频谱图数据；将标准化第一频谱图数据输入至第一子网络中，得到第一特征向量；将标准化第二频谱图数据输入至第二子网络中，得到第二特征向量；基于所述第一特征向量、所述第二特征向量以及已训练好的输出层神经网络，得到风扇的运行状态。
[0009]作为以上方案的替代或补充，在根据本专利技术一实施例的方法中，所述基于所述第一特征向量、所述第二特征向量以及已训练好的输出层神经网络，得到风扇的运行状态，包括：将所述第一特征向量与第二特征向量合并，得到第三特征向量；将第三特征向量输入至输出层神经网络中，得到风扇的运行状态。
[0010]作为以上方案的替代或补充，在根据本专利技术一实施例的方法中，所述预处理包括傅里叶变换或短时傅里叶变换其中的一种以及标准化处理。
[0011]作为以上方案的替代或补充，在根据本专利技术一实施例的方法中，所述分别对所述第一噪声数据以及第二噪声数据进行预处理，得到相对应的标准化第一频谱图数据以及标准化第二频谱图数据，包括：分别对所述第一噪声数据以及第二噪声数据使用短时傅里叶变换，得到第一频谱图数据以及第二频谱图数据；分别对第一频谱图数据以及第一频谱图数据进行标准化处理，得到标准化第一频谱图数据以及标准化第二频谱图数据。
[0012]作为以上方案的替代或补充，在根据本专利技术一实施例的方法中，所述输出层神经网络包括全连接层以及分类器。
[0013]在第二方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条计算机程序，所述计算机程序适于由所述处理器加载并运行以执行上述检测室外机内风扇异常的方法的技术方案中任一项技术方案所述的检测室外机内风扇异常的方法。
[0014]在第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条计算机程序，所述计算机程序适于由处理器加载并运行以执行上述检测室外机内风扇异常的方法的技术方案中任一项技术方案所述的检测室外机内风扇异常的方法。
[0015]在第四方面，提供一种空调室外机，其特征在于，包括：声音传感器以及控制装置；其中所述声音传感器用于分别收集室外机内部和外部的噪音数据；其中所述控制装置运行以执行上述检测室外机内风扇异常的方法的技术方案中任一项技术方案所述的检测室外机内风扇异常的方法。
[0016]本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：
[0017]在实施本专利技术的技术方案中，通过结合室外机内部和外部的声音数据，减少了噪声和其他干扰对风扇故障检测的影响。此外，本方案通过神经网络的强大学习和分类能力，能够从复杂的噪声数据中准确提取出与风扇故障相关的特征，从而提高了故障检测的准确率和可靠性。总的来说，这种方法通过智能化、自动化的方式提升了风扇故障的诊断能力，有利于确保风扇的正常运行以及延长设备的使用寿命。
附图说明
[0018]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。此外，图中类似的数字用以表示类似的部件，其中：
[0019]图1是根据本专利技术的一个实施例的检测室外机内风扇异常的方法的主要步骤流程示意图；
[0020]图2是根据本专利技术的一个实施例的检测室外机内风扇异常的方法的次要步骤流程示意图；
[0021]图3是根据本专利技术的一个实施例的检测室外机内风扇异常的方法的次要步骤流程示意图。
具体实施方式
[0022]下面参照附图来描述本专利技术的一些实施方式。本领域技术人员应当理解的是，这
些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。
[0023]在本专利技术的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如计算机程序，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储计算机程序的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合，比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似，可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。
[0024]参阅附图1，图1是根据本专利技术的一个实施例的检测室外机内风扇异常的方法的主要步骤流程示意图。如图1所示，本专利技术实施例中的检测室外机内风扇异常的方法主要包括下列步骤S10
‑
步骤S30。
[0025]步骤S10：获取第一声音传感器收集的第一噪声数据。
[0026]在本实施例中，第一声音传感器用于监测室外机内风扇的噪音。该声音传感器被安装在室外机内部尽可能靠近风扇的位置，以便直接捕获由风扇产生的噪声。
[0027]一个实施方式中，使用的声音传感器具有足够的频率响应范围，以便捕本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测室外机内风扇异常的方法，其特征在于，包括：获取第一声音传感器收集的第一噪声数据，其中所述第一声音传感器用于监测室外机内风扇的噪音；获取第二声音传感器收集的第二噪声数据，其中所述第二声音传感器用于监测室外机外部的环境噪音；将所述第一噪声数据以及第二噪声数据输入至已训练的风扇状态判断神经网络中，得到风扇的运行状态。2.根据权利要求1所述的检测室外机内风扇异常的方法，其特征在于，所述风扇状态判断神经网络中至少包括一个卷积神经网络层以及一个长短期记忆神经网络层。3.根据权利要求1所述的检测室外机内风扇异常的方法，其特征在于，将所述第一噪声数据以及第二噪声数据输入至已训练的风扇状态判断神经网络中，得到风扇的运行状态，包括：分别对所述第一噪声数据以及第二噪声数据进行预处理，得到相对应的标准化第一频谱图数据以及标准化第二频谱图数据；将标准化第一频谱图数据输入至第一子网络中，得到第一特征向量；将标准化第二频谱图数据输入至第二子网络中，得到第二特征向量；基于所述第一特征向量、所述第二特征向量以及已训练好的输出层神经网络，得到风扇的运行状态。4.根据权利要求3所述的检测室外机内风扇异常的方法，其特征在于，所述基于所述第一特征向量、所述第二特征向量以及已训练好的输出层神经网络，得到风扇的运行状态，包括：将所述第一特征向量与第二特征向量合并，得到第三特征向量；将第三特征向量输入至输出层神经网络中，得到风扇的运行...

【专利技术属性】
技术研发人员：蔡泽瑶，荆涛，马振豪，
申请(专利权)人：青岛海尔空调电子有限公司青岛海尔智能技术研发有限公司海尔智家股份有限公司，
类型：发明
国别省市：