CN104634597A - 一种制冷设备故障检测分析方法及系统 - Google Patents

Abstract

本发明适用于制冷设备技术领域，提供了一种制冷设备故障检测分析方法及系统，所述方法包括在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器；所述云服务器根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率；根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态。本发明通过求得制冷设备在运行一段时间内的冷凝器温度、压缩机运行频率的平均值，实现对冷凝器运行状态的监控，云服务器对运行数据进行分析，得到制冷设备的健康状态，有助于以对制冷设备的潜在故障风险进行分析判断。

Description

一种制冷设备故障检测分析方法及系统

技术领域

本发明属于制冷设备技术领域，尤其涉及一种制冷设备故障检测分析方法及系统。

背景技术

家电的保修服务质量的优劣对品牌的口碑有着重大影响。空调、冰箱等作为一种大型制冷设备，由于其安装固定，发生故障后，维修人员必须进行上门维修。维修人员通常需要第一次上门服务进行检测分析设备的故障原因及确认发生故障的部件，第二次上门服务携带相应的部件才能完成维修，这对提供上门服务带来极大不方便。如果在故障发生之前，维修人员就能远程获取运行参数，并对其进行分析，以判断发生故障的原因及需要更换的部件，这会节省大量的维修时间，提高工作效率。同时，可以通过这些运行参数也判断空调潜在的运行风险，提示用户是否应该对空调进行保养。其中，冷凝器是空调重要的部件之一，运行时的温度是其最重要的参数，对冷凝器的温度进行采样和分析以达到对设置健康状态的监控，是研发人员研究的重要问题。

发明内容

鉴于上述问题，本发明提供一种制冷设备故障检测分析方法及系统，旨在解决目前制冷设备家电维修一般需要通过二次上门服务才能完成，比较费时费力的技术问题。

本发明采用如下技术方案：

一方面，所述制冷设备故障检测分析方法，包括下述步骤：

在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器，所述运行数据包括制冷设备识别号、冷凝器温度数据、压缩机频率数据；

所述云服务器根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率；

根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态，所述制冷设备的健康状态包括故障状态、亚健康状态和运行状态良好。

另一方面，所述制冷设备故障检测分析系统包括制冷设备、云服务器，两者网络连接，其中所述制冷设备包括：

数据采集发送模块，用于在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器，所述运行数据包括制冷设备识别号、冷凝器温度数据、压缩机频率数据；

所述云服务器包括：

数据处理模块，用于根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率；

数据分析模块，用于根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态，所述制冷设备的健康状态包括故障状态、亚健康状态和运行状态良好。

本发明的有益效果是：本发明通过收集制冷设备冷凝器温度数据、压缩机运行频率数据，可以求得制冷设备在运行一段时间内的冷凝器温度、压缩机运行频率的平均值，实现对冷凝器运行状态的监控，云服务器对运行数据进行分析，得到制冷设备的健康状态，有助于以对制冷设备的潜在故障风险进行分析判断。这样在维修人员可以及时获取到用户制冷设备的运行数据情况，可以判断出制冷设备的故障情况，有目的的做好相应准备，一次上门服务即可完成制冷设备维修，省时省力。

附图说明

图1是本发明第一实施例提供的制冷设备故障检测分析方法的流程图；

图2是本发明第二实施例提供的制冷设备故障检测分析系统的结构方框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

对于一些制冷设备，比如变频空调，其功率与压缩机的频率有关，压缩机的频率运行越高，空调的功率越大，制冷量也越大，相应地，冷凝器发热量也越大，冷凝器的温度也越高。因此，冷凝器的温度和压缩机的频率存在对应的关系。当冷凝器散热条件不好甚至出现故障时，会出现压缩机以低频运行冷凝器的温度也会很高的现象。这样空调通过监控冷凝器温度和压缩机频率，可以判断出空调的健康状态，本发明基于此，提供了一种制冷设备故障检测分析方法及系统。为了便于说明，下面以空调为例，描述本发明具体实施方案。

实施例一：

如图1所示，本实施例提供的制冷设备故障检测分析方法包括下述步骤：

步骤S101、设置制冷设备的采样时长和采样周期。

本步骤作为本实施的优选步骤，可以在空调上设置采样时长t1和采样周期△t，如果不设置，t1和△t为默认值。假设采样周期为30秒，采样时长为10分钟。

步骤S102、在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器，所述运行数据包括制冷设备识别号、冷凝器温度数据、压缩机频率数据。

空调开启后，在采样时间段内，每隔所述采样周期分别采样一次冷凝器温度数据和压缩机频率数据，采集数据同时保存数据，当采样完成后生成运行数据包并发送至云服务器。

假设用户于晚上于2014年11月5日19：20开启空调，采样时长t1为10分钟，采样周期△t为30秒，在此段时间内，有20个采样点，采集到的冷凝器温度数据T和压缩机频率数据f如下表1所示：

表1

n	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20
																					T	33	33	34	34	35	36	37	37	38	38	39	39	40	41	42	42	43	43	43	43
f	50	50	50	50	50	50	50	50	50	50	50	50	50	50	50	50	50	50	50	50

空调在出厂时，每个空调都有其唯一的制冷设备识别码，用户在购买空调时，厂家会记录购买者的详细信息，比如姓名、住址、电话、购买时间等。由于厂家的云云服务器会接收到各个空调上传的运行数据包，为了以示区分，本实施例中，所述运行数据包除了包括冷凝器温度数据、压缩机频率数据外，还包括括制冷设备识别号，云服务器接收到空调的运行数据包后，首先读取运行数据包的制冷设备识别号，按照不同空调进行数据分类。

进一步作为一种优选方式，所述运行数据包还包括采样时间段字节、采样周期字节、数据包识别位、数据包结束位，所述运行数据包按顺序分别为数据包识别位、制冷设备识别号、采样时间段字节、采样周期字节、每个采样点的冷凝器温度数据和压缩机频率数据、数据包结束位。

在实际情况下，空调向云服务器不仅会发送运行数据包，还会发送其他相关数据包，比如空调工作状态数据、用户设置数据等等，为了将这些数据包与本实施例的运行数据包予以区分，本优选方式中，在所述运行数据包的头尾分别设置数据包识别位、数据包结束位，当云服务器读取到的数据位为所述数据包包识别未时，即可认定当前接收的数据包为运行数据包，然后根据运行数据包定义，获取各个采样点的冷凝器温度数据和压缩机频率数据，直至碰到数据包结束位。另外，所述运行数据包还包括采样时间段字节、采样周期字节，所述采样时间段字节表明了空调的运行时间采样时间段，比如本实施例中，2014年11月5日19：20至19：30分时间区间，采样周期为30秒。云服务器得到空调的运行时间区间后，可以知晓空调在不同时间段内的健康状态，由于于维修人员诊断。

步骤S103、所述云服务器根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率。

空调的采样时长为t1，采样周期为采样周期△t，此时间段内压缩机平均频率f_ave、冷凝器平均温度T_ave的计算公式为：

$T_{\mathrm{ave}}=\left(\underset{i=1}{\overset{\frac{t_1}{\mathrm{\Δt}}}{\mathrm{\Σ}}}T\right)/\left(\frac{t_1}{\mathrm{\Δt}}\right)---\left(1\right)$

$f_{\mathrm{ave}}=\left(\underset{i=1}{\overset{\frac{t_1}{\mathrm{\Δt}}}{\mathrm{\Σ}}}f\right)/\left(\frac{t_1}{\mathrm{\Δt}}\right)---\left(2\right)$

公式(1)量化了冷凝器在一段时间内的温度高低，公式(2)量化了压缩机在一段时间内的运行频率，将表1中数据代入上述公式，可得压缩机平均频率f_ave为50、冷凝器平均温度T_ave为38.5摄氏度。

步骤S104、根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态，所述制冷设备的健康状态包括故障状态、亚健康状态和运行状态良好。

然后根据判别式g(f_ave，T_ave)的预定算法判断制冷设备的健康状态，包括故障状态、亚健康状态和运行状态良好。

本实施例不限定判别式g(f_ave，T_ave)的具体表现形式，可以理解为冷凝器平均温度、压缩机平均频率作为变量映射出的一个值，他们的映射关系在算法中已经事先定义好。凡是判断压塑机平均频率和冷凝器平均温度是否在合理范围的方法，都在发明的保护范围内。

作为一种具体实现方式，所述判别式可以表示为

$g(f_{\mathrm{ave}},T_{\mathrm{ave}})=\left\{\begin{array}{cc}\frac{T_{\mathrm{ave}}}{15}-2.35& f_{\mathrm{ave}}\∈\left(\mathrm{0,35}\right]\\ \frac{T_{\mathrm{ave}}}{20}-1.75& f_{\mathrm{ave}}\∈\left(\mathrm{35,45}\right]\\ \frac{T_{\mathrm{ave}}}{20}+0.05& f_{\mathrm{ave}}\∈\left(\mathrm{45,55}\right]\\ \frac{T_{\mathrm{ave}}}{12}-4.65& f_{\mathrm{ave}}\∈\left(\mathrm{55,65}\right]\\ \frac{T_{\mathrm{ave}}}{15}-3.65& f_{\mathrm{ave}}\∈(65,\∞)\end{array}\right.,$

当g(f_ave，T_ave)≥2时，制冷设备处于故障状态；当1≤g(f_ave，T_ave)<2时，制冷设备为亚健康状态；当g(f_ave，T_ave)<1时，制冷设备运行状态良好。

本实施例以判别式g(f_ave，T_ave)来判断空调是否处于低频运行冷凝器高温的现象，这种现象的严重程度以判别式g(f_ave，T_ave)的值来衡量，其值越大，表明低频高温现象越严重。

当g(f_ave，T_ave)≥2时，表明空调低频高温现象很严重，冷凝器存在故障；

当1≤g(f_ave，T_ave)<2时，表明空调存在轻微的低频高温现象，冷凝器需检修；

当g(f_ave，T_ave)<1时，表明空调不存在低频高温现象，空调正常运行。

将f_ave＝50、T_ave＝38.5代入判别式，计算的结果为0.75，表明孔空调运行状态良好。

步骤S105、将制冷设备的健康状态发送至客户端并显示。

这里所述的客户端可以为厂家维修中心的客户端，也可以为用户手机客户端。

若为厂家维修中心客户端，在客户端界面维修人员可以看到各个制冷设备的健康状态。由于厂家在卖出空调后，保存有用户的相关信息，在客户端界面上显示出处于故障状态或健康状态空调的用户的相关信息，包括姓名、地址、电话、空调型号等等。维修人员可以根据电话号码主动联系用户，询问空调的工作状态是否出现异常，通过与用户沟通，有助于维修人员进一步分析。

若为用户手机客户端，用户登录手机客户端后，可以看到自己家空调的健康状态，如若出现问题，可及时联系厂商。

实施例二：

如图2所示，本实施例提供的制冷设备故障检测分析系统包括制冷设备1、云服务器2，两者网络连接，其中所述制冷设备1包括：

数据采集发送模块12，用于在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器，所述运行数据包括制冷设备识别号、冷凝器温度数据、压缩机频率数据；

优选的，所述制冷设备1还包括：

参数设置模块11，用于设置制冷设备的采样时长和采样周期。

所述云服务器2包括：

数据处理模块21，用于根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率；

数据分析模块22，用于根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态，所述制冷设备的健康状态包括故障状态、亚健康状态和运行状态良好。

本实施例中括制冷设备和云服务器的各个功能模块对应实现了实施例一中的各个步骤。空调中安装有温度传感器和压缩机供电检测模块，可以分别检测冷凝器温度数和压缩机频率，本实施中，数据采集发送模块12通过所述温度传感器和压缩机供电检测模块可采集到空调冷凝器温度数据和压缩机频率数据，并保存至空调的存储器中，当数据采集完成后生成运行数据包并发送至云服务器；所述云服务器接收到运行数据包后，所述数据处理模块21计算此时间段内的冷凝器平均温度和压缩机平均频率；数据分析模块22分析得到空调的健康状态。所述空调的健康状态包括故障状态、亚健康状态和运行状态良好。

作为一种具体的判别方式，所述冷凝器平均温度为T_ave，所述压缩机平均频率为f_ave，

判别式 $g(f_{\mathrm{ave}},T_{\mathrm{ave}})=\left\{\begin{array}{cc}\frac{T_{\mathrm{ave}}}{15}-2.35& f_{\mathrm{ave}}\&Element;\left(\mathrm{0,35}\right]\\ \frac{T_{\mathrm{ave}}}{20}-1.75& f_{\mathrm{ave}}\&Element;\left(\mathrm{35,45}\right]\\ \frac{T_{\mathrm{ave}}}{20}+0.05& f_{\mathrm{ave}}\&Element;\left(\mathrm{45,55}\right]\\ \frac{T_{\mathrm{ave}}}{12}-4.65& f_{\mathrm{ave}}\&Element;\left(\mathrm{55,65}\right]\\ \frac{T_{\mathrm{ave}}}{15}-3.65& f_{\mathrm{ave}}\&Element;(65,\&infin;)\end{array}\right.,$

当g(f_ave，T_ave)≥2时，制冷设备处于故障状态；当1≤g(f_ave，T_ave)<2时，制冷设备为亚健康状态；当g(f_ave，T_ave)<1时，制冷设备运行状态良好。

最后优选的，所述系统还包括：客户端3，用于接收制冷设备的健康状态并显示。所述客户端3可以为厂家维修中心的客户端，也可以为用户手机客户端。

值得注意的是，上述实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，尽管参照前述实施例对本发明进行了较详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改、或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种制冷设备故障检测分析方法，其特征在于，所述方法包括：

在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器，所述运行数据包括制冷设备识别号、冷凝器温度数据、压缩机频率数据；

所述云服务器根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率；

根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态，所述制冷设备的健康状态包括故障状态、亚健康状态和运行状态良好。

2.如权利要求1所述的制冷设备故障检测分析方法，其特征在于，所述方法还包括下述步骤：

设置制冷设备的采样时长和采样周期。

3.如权利要求2所述的制冷设备故障检测分析方法，其特征在于，所述运行数据包还包括采样时间段字节、采样周期字节、数据包识别位、数据包结束位；

所述运行数据包按顺序分别为数据包识别位、制冷设备识别号、采样时间段字节、采样周期字节、每个采样点的冷凝器温度数据和压缩机频率数据、数据包结束位。

4.如权利要求3所述的制冷设备故障检测分析方法，其特征在于，所述方法还包括：

将制冷设备的健康状态发送至客户端并显示。

5.如权利要求1-4任一项所述的制冷设备故障检测分析方法，其特征在于，所述冷凝器平均温度为T_ave，所述压缩机平均频率为f_ave，

判别式 $g(f_{\mathrm{ave}},T_{\mathrm{ave}})=\left\{\begin{array}{cc}\frac{T_{\mathrm{ave}}}{15}-2.35& f_{\mathrm{ave}}\&Element;(\mathrm{0,35}]\\ \frac{T_{\mathrm{ave}}}{20}-1.75& f_{\mathrm{ave}}\&Element;(\mathrm{35,45}]\\ \frac{T_{\mathrm{ave}}}{20}+0.05& f_{\mathrm{ave}}\&Element;(\mathrm{45,55}]\\ \frac{T_{\mathrm{ave}}}{12}-4.65& f_{\mathrm{ave}}\&Element;(\mathrm{55,65}]\\ \frac{T_{\mathrm{ave}}}{15}-3.65& f_{\mathrm{ave}}\&Element;(65,+\&infin;)\end{array}\right.,$

当g(f_ave，T_ave)≥2时，制冷设备处于故障状态；

当1≤g(f_ave，T_ave)<2时，制冷设备为亚健康状态；

当g(f_ave，T_ave)<1时，制冷设备运行状态良好。

6.一种制冷设备故障检测分析系统，其特征在于，所述系统包括制冷设备、云服务器，两者网络连接，其中所述制冷设备包括：

数据采集发送模块，用于在一时间段内按照预设采样周期，采样获取制冷设备的冷凝器温度和压缩机频率，生成运行数据包并发送至云服务器，所述运行数据包括制冷设备识别号、冷凝器温度数据、压缩机频率数据；

所述云服务器包括：

数据处理模块，用于根据所述冷凝器温度数据、压缩机频率数据计算此时间段内的冷凝器平均温度和压缩机平均频率；

数据分析模块，用于根据所述冷凝器平均温度、压缩机平均频率判断制冷设备的健康状态，所述制冷设备的健康状态包括故障状态、亚健康状态和运行状态良好。

7.如权利要求6所述的制冷设备故障检测分析系统，其特征在于，所述制冷设备还包括：

参数设置模块，用于设置制冷设备的采样时长和采样周期。

8.如权利要求7所述的制冷设备故障检测分析系统，其特征在于，所述数据采集发送模块发送的运行数据包还包括采样时间段字节、采样周期字节、数据包识别位、数据包结束位；

所述运行数据包按顺序分别为数据包识别位、制冷设备识别号、采样时间段字节、采样周期字节、每个采样点的冷凝器温度数据和压缩机频率数据、数据包结束位。

9.如权利要求7所述的制冷设备故障检测分析系统，其特征在于，所述系统还包括：

客户端，用于接收制冷设备的健康状态并显示。

10.如权利要求6-9任一项所述的制冷设备故障检测分析系统，其特征在于，所述所述冷凝器平均温度为T_ave，所述压缩机平均频率为f_ave，

判别式 $g(f_{\mathrm{ave}},T_{\mathrm{ave}})=\left\{\begin{array}{cc}\frac{T_{\mathrm{ave}}}{15}-2.35& f_{\mathrm{ave}}\&Element;(\mathrm{0,35}]\\ \frac{T_{\mathrm{ave}}}{20}-1.75& f_{\mathrm{ave}}\&Element;(\mathrm{35,45}]\\ \frac{T_{\mathrm{ave}}}{20}+0.05& f_{\mathrm{ave}}\&Element;(\mathrm{45,55}]\\ \frac{T_{\mathrm{ave}}}{12}-4.65& f_{\mathrm{ave}}\&Element;(\mathrm{55,65}]\\ \frac{T_{\mathrm{ave}}}{15}-3.65& f_{\mathrm{ave}}\&Element;(65,+\&infin;)\end{array}\right.,$

当g(f_ave，T_ave)≥2时，制冷设备处于故障状态；

当1≤g(f_ave，T_ave)<2时，制冷设备为亚健康状态；

当g(f_ave，T_ave)<1时，制冷设备运行状态良好。