【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及故障檢測(cè)，尤其涉及一種多聯(lián)機(jī)及其故障檢測(cè)方法與裝置、存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、隨著工業(yè)技術(shù)的快速發(fā)展，在現(xiàn)代商業(yè)住宅建筑物中，多聯(lián)機(jī)系統(tǒng)因其具備高效、節(jié)能和靈活易用特性得到了廣泛的應(yīng)用。然而，與所有復(fù)雜系統(tǒng)一樣，多聯(lián)機(jī)空調(diào)在運(yùn)行過(guò)程中如果碰上各種故障，對(duì)于故障的檢測(cè)和診斷變得尤為復(fù)雜。
2、相關(guān)技術(shù)中，一般依賴維修人員進(jìn)行現(xiàn)場(chǎng)檢測(cè)判斷，這對(duì)人力物力的需求極大，并且要求維修人員具有豐富的工作經(jīng)驗(yàn)，不然檢測(cè)精度也難以得到保證，維修成本也高。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問(wèn)題之一。為此，本專利技術(shù)的第一個(gè)目的在于提出一種多聯(lián)機(jī)故障檢測(cè)方法，能夠降低故障檢測(cè)成本，從而減少售后維修成本，同時(shí)還能夠提高故障檢測(cè)精度和用戶使用體驗(yàn)，具有廣闊的商業(yè)應(yīng)用前景。
2、本專利技術(shù)的第二個(gè)目的在于提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
3、本專利技術(shù)的第三個(gè)目的在于提出一種多聯(lián)機(jī)故障檢測(cè)裝置。
4、本專利技術(shù)的第四個(gè)目的在于提出一種多聯(lián)機(jī)。
5、為達(dá)上述目的，本專利技術(shù)第一方面實(shí)施例提出了一種多聯(lián)機(jī)故障檢測(cè)方法，該方法包括以下步驟：獲取所述多聯(lián)機(jī)積累的運(yùn)行數(shù)據(jù)集；逐日遍歷所述運(yùn)行數(shù)據(jù)集，以將每日的運(yùn)行數(shù)據(jù)集按照所述多聯(lián)機(jī)的運(yùn)行工況存儲(chǔ)至相應(yīng)的數(shù)據(jù)池；在至少一個(gè)數(shù)據(jù)池所存儲(chǔ)的數(shù)據(jù)量達(dá)到下限長(zhǎng)度時(shí)，對(duì)所述至少一個(gè)數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行訓(xùn)練，以得到聚類模型、自編碼器模型和重構(gòu)誤差閾值；在當(dāng)前日的運(yùn)行數(shù)據(jù)集對(duì)應(yīng)的工
6、本專利技術(shù)實(shí)施例的多聯(lián)機(jī)故障檢測(cè)方法首先獲取多聯(lián)機(jī)所積累的運(yùn)行數(shù)據(jù)集，之后逐日遍歷該運(yùn)行數(shù)據(jù)集，將其按照多聯(lián)機(jī)的運(yùn)行工況存儲(chǔ)到相應(yīng)的數(shù)據(jù)池內(nèi)，當(dāng)數(shù)據(jù)池內(nèi)所存儲(chǔ)的數(shù)據(jù)量達(dá)到下限長(zhǎng)度之后，則將達(dá)到該長(zhǎng)度的數(shù)據(jù)量進(jìn)行訓(xùn)練，以得到聚類模型、自編碼器模型和重構(gòu)誤差閾值，之后再遍歷運(yùn)行數(shù)據(jù)集時(shí)，如果當(dāng)前日的運(yùn)行數(shù)據(jù)集對(duì)應(yīng)的工況和已訓(xùn)練的數(shù)據(jù)池對(duì)應(yīng)的工況相同，那么可以將當(dāng)前日的運(yùn)行數(shù)據(jù)集輸入到已經(jīng)訓(xùn)練好的聚類模型和自編碼器模型中，以輸出重構(gòu)誤差測(cè)試值，通過(guò)比較該重構(gòu)誤差測(cè)試值和重構(gòu)誤差閾值檢測(cè)多聯(lián)機(jī)在當(dāng)前日是否出現(xiàn)故障，方便快捷，而且還能夠降低故障檢測(cè)成本，從而減少售后維修成本，同時(shí)還能夠提高故障檢測(cè)精度和用戶使用體驗(yàn)，具有廣闊的商業(yè)應(yīng)用前景。
7、在本專利技術(shù)的一些實(shí)施例中，所述對(duì)所述至少一個(gè)數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行訓(xùn)練，包括：對(duì)所述數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行聚類分析，以得到所述聚類模型和若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)；根據(jù)所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)建立相應(yīng)的自編碼器模型，并確定所述重構(gòu)誤差閾值。
8、在本專利技術(shù)的一些實(shí)施例中，對(duì)所述數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行聚類分析所采用的聚類算法包括：eac-al（基于平均連接層次聚類的證據(jù)積累集成聚類算法）、kmeans（k均值聚類算法）、birch（平衡迭代縮聚算法）、som（自組織映射網(wǎng)絡(luò)）和fcm（模糊c均值聚類）中的多個(gè)算法。
9、在本專利技術(shù)的一些實(shí)施例中，所述方法還包括：在根據(jù)所述當(dāng)前日的運(yùn)行數(shù)據(jù)集檢測(cè)確定所述多聯(lián)機(jī)處于故障狀態(tài)時(shí)，對(duì)所述當(dāng)前日的運(yùn)行數(shù)據(jù)集進(jìn)行記錄；在根據(jù)所述當(dāng)前日的運(yùn)行數(shù)據(jù)集檢測(cè)確定所述多聯(lián)機(jī)未處于故障狀態(tài)、且所述當(dāng)前日之前第一預(yù)設(shè)日數(shù)的運(yùn)行數(shù)據(jù)集和所述當(dāng)前日之后第二預(yù)設(shè)日數(shù)的運(yùn)行數(shù)據(jù)集所對(duì)應(yīng)的多聯(lián)機(jī)均未處于故障狀態(tài)時(shí)，則將所述當(dāng)前日的運(yùn)行數(shù)據(jù)集存儲(chǔ)至相應(yīng)的數(shù)據(jù)池。
10、在本專利技術(shù)的一些實(shí)施例中，所述方法還包括：在至少一個(gè)數(shù)據(jù)池所存儲(chǔ)的數(shù)據(jù)量達(dá)到更新長(zhǎng)度時(shí)，將所述數(shù)據(jù)池中第二預(yù)設(shè)長(zhǎng)度的數(shù)據(jù)刪除，并根據(jù)所述數(shù)據(jù)池中剩下的數(shù)據(jù)對(duì)所述聚類模型、所述自編碼器模型和所述重構(gòu)誤差閾值進(jìn)行更新。
11、在本專利技術(shù)的一些實(shí)施例中，根據(jù)所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)建立相應(yīng)的自編碼器模型，包括：對(duì)所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；從所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)中獲取預(yù)設(shè)數(shù)量的數(shù)據(jù)作為驗(yàn)證集；以所述驗(yàn)證集的均方根誤差為指標(biāo)，利用所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)對(duì)若干個(gè)自編碼器模型進(jìn)行重復(fù)訓(xùn)練，直至所述指標(biāo)不再下降而開始增大。
12、在本專利技術(shù)的一些實(shí)施例中，所述方法還包括：獲取每個(gè)自編碼器模型輸出的重構(gòu)誤差最大值和重構(gòu)誤差中位值；若所述重構(gòu)誤差最大值大于所述重構(gòu)誤差中位值的預(yù)設(shè)倍數(shù)，則確定所述自編碼器模型異常，并將所述自編碼器模型剔除。
13、在本專利技術(shù)的一些實(shí)施例中，確定所述重構(gòu)誤差閾值，包括：確定每個(gè)聚類子簇訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的重構(gòu)誤差散點(diǎn)數(shù)；將預(yù)設(shè)區(qū)間內(nèi)的重構(gòu)誤差散點(diǎn)數(shù)的加權(quán)平均值確定為所述重構(gòu)誤差閾值。
14、在本專利技術(shù)的一些實(shí)施例中，在獲取所述多聯(lián)機(jī)積累的運(yùn)行數(shù)據(jù)集之后，所述方法還包括：對(duì)所述運(yùn)行數(shù)據(jù)集進(jìn)行預(yù)處理，所述預(yù)處理包括數(shù)據(jù)合并、數(shù)據(jù)去重、異常值處理、運(yùn)行段提取、特征計(jì)算、時(shí)間重采樣、缺失值處理和特征提取中的至少一項(xiàng)。
15、在本專利技術(shù)的一些實(shí)施例中，所述方法還包括：對(duì)所述運(yùn)行數(shù)據(jù)集進(jìn)行特征分類和冗余處理，以生成多組運(yùn)行數(shù)據(jù)集。
16、在本專利技術(shù)的一些實(shí)施例中，所述運(yùn)行工況包括制冷工況、制熱非噴焓工況和制熱噴焓工況，所述制冷工況對(duì)應(yīng)的數(shù)據(jù)池為制冷工況數(shù)據(jù)池，所述制熱非噴焓工況對(duì)應(yīng)的數(shù)據(jù)池為制熱非噴焓工況數(shù)據(jù)池，所述制熱噴焓工況對(duì)應(yīng)的數(shù)據(jù)池為制熱噴焓工況數(shù)據(jù)池。
17、在本專利技術(shù)的一些實(shí)施例中，在將所述當(dāng)前日的運(yùn)行數(shù)據(jù)集輸入所述聚類模型和自編碼器模型之前，所述方法還包括：確定所述當(dāng)前日的運(yùn)行數(shù)據(jù)集對(duì)應(yīng)的數(shù)據(jù)池已完成訓(xùn)練、確定所述當(dāng)前日的運(yùn)行數(shù)據(jù)集的數(shù)據(jù)量大于或等于測(cè)試下限長(zhǎng)度、以及確定所述當(dāng)前日的運(yùn)行數(shù)據(jù)集對(duì)應(yīng)的工況所匹配的數(shù)據(jù)池已完成訓(xùn)練。
18、為達(dá)上述目的，本專利技術(shù)第二方面實(shí)施例提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有多聯(lián)機(jī)故障檢測(cè)程序，所述程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述實(shí)施例任一項(xiàng)所述的多聯(lián)機(jī)故障檢測(cè)方法。
19、本專利技術(shù)實(shí)施例的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)通過(guò)處理器執(zhí)行存儲(chǔ)在其上的多聯(lián)機(jī)故障檢測(cè)程序，能夠降低故障檢測(cè)成本，從而減少售后維修成本，同時(shí)還能夠提高故障檢測(cè)精度和用戶使用體驗(yàn)，具有廣闊的商業(yè)應(yīng)用前景。
20、為達(dá)上述目的，本專利技術(shù)第三方面實(shí)施例提出了一種多聯(lián)機(jī)故障檢測(cè)裝置，所述裝置包括：獲取模塊，用于獲取所述多聯(lián)機(jī)積累的運(yùn)行數(shù)據(jù)集；數(shù)據(jù)處理模塊，用于逐日遍歷所述運(yùn)行數(shù)據(jù)集，以將每日的運(yùn)行數(shù)據(jù)集按照所述多聯(lián)機(jī)的運(yùn)行工況存儲(chǔ)至相應(yīng)的數(shù)據(jù)池；訓(xùn)練模塊，用于在至少一個(gè)數(shù)據(jù)池所存儲(chǔ)的數(shù)據(jù)量達(dá)到下限長(zhǎng)度時(shí)，對(duì)所述至少一個(gè)數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行訓(xùn)練，以得到聚類模型、自編碼器模型和重構(gòu)誤差閾值；測(cè)試模塊，用于在當(dāng)前日的運(yùn)行數(shù)據(jù)集對(duì)應(yīng)的工況和已訓(xùn)練的數(shù)據(jù)池對(duì)應(yīng)的工況相同時(shí)，將所述當(dāng)前日的運(yùn)行數(shù)據(jù)集輸入所述聚類模型和自編碼器模型，以輸出重構(gòu)誤差測(cè)試值；檢測(cè)模塊，用于根據(jù)所述重構(gòu)誤差測(cè)試值和所述重構(gòu)誤差閾值對(duì)所述多聯(lián)機(jī)的故障狀態(tài)進(jìn)行檢本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述對(duì)所述至少一個(gè)數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行訓(xùn)練，包括：
3.根據(jù)權(quán)利要求2所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，對(duì)所述數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行聚類分析所采用的聚類算法包括：EAC-AL、Kmeans、Birch、SOM和FCM中的多個(gè)算法。
4.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法還包括：
5.根據(jù)權(quán)利要求4所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法還包括：
6.根據(jù)權(quán)利要求2所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，根據(jù)所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)建立相應(yīng)的自編碼器模型，包括：
7.根據(jù)權(quán)利要求6所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法還包括：
8.根據(jù)權(quán)利要求2所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，確定所述重構(gòu)誤差閾值，包括：
9.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，在獲取所述多聯(lián)機(jī)積累的運(yùn)行數(shù)據(jù)集之后，所述方法還包括：
10.
11.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述運(yùn)行工況包括制冷工況、制熱非噴焓工況和制熱噴焓工況，所述制冷工況對(duì)應(yīng)的數(shù)據(jù)池為制冷工況數(shù)據(jù)池，所述制熱非噴焓工況對(duì)應(yīng)的數(shù)據(jù)池為制熱非噴焓工況數(shù)據(jù)池，所述制熱噴焓工況對(duì)應(yīng)的數(shù)據(jù)池為制熱噴焓工況數(shù)據(jù)池。
12.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，在將所述當(dāng)前日的運(yùn)行數(shù)據(jù)集輸入所述聚類模型和自編碼器模型之前，所述方法還包括：
13.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有多聯(lián)機(jī)故障檢測(cè)程序，所述程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)上述權(quán)利要求1-12中任一項(xiàng)所述的多聯(lián)機(jī)故障檢測(cè)方法。
14.一種多聯(lián)機(jī)故障檢測(cè)裝置，其特征在于，所述裝置包括：
15.一種多聯(lián)機(jī)，其特征在于，包括權(quán)利要求14所述的多聯(lián)機(jī)故障檢測(cè)裝置。
...【技術(shù)特征摘要】
1.一種多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述對(duì)所述至少一個(gè)數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行訓(xùn)練，包括：
3.根據(jù)權(quán)利要求2所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，對(duì)所述數(shù)據(jù)池內(nèi)的數(shù)據(jù)進(jìn)行聚類分析所采用的聚類算法包括：eac-al、kmeans、birch、som和fcm中的多個(gè)算法。
4.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法還包括：
5.根據(jù)權(quán)利要求4所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法還包括：
6.根據(jù)權(quán)利要求2所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，根據(jù)所述若干個(gè)聚類子簇訓(xùn)練數(shù)據(jù)建立相應(yīng)的自編碼器模型，包括：
7.根據(jù)權(quán)利要求6所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，所述方法還包括：
8.根據(jù)權(quán)利要求2所述的多聯(lián)機(jī)故障檢測(cè)方法，其特征在于，確定所述重構(gòu)誤差閾值，包括：
9.根據(jù)權(quán)利要求1所述的多聯(lián)機(jī)故障檢測(cè)方法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：范成，何海輝，李斌，陳志杰，鄭春元，鐘希寶，
申請(qǐng)(專利權(quán))人：廣東美的暖通設(shè)備有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。