CN104866632B - 家电设备的故障数据获取方法、装置及终端 - Google Patents
家电设备的故障数据获取方法、装置及终端 Download PDFInfo
- Publication number
- CN104866632B CN104866632B CN201510219129.6A CN201510219129A CN104866632B CN 104866632 B CN104866632 B CN 104866632B CN 201510219129 A CN201510219129 A CN 201510219129A CN 104866632 B CN104866632 B CN 104866632B
- Authority
- CN
- China
- Prior art keywords
- data
- service data
- home appliance
- fault
- solution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种家电设备的故障数据获取方法,包括:获取家电设备的运行数据;分析所述运行数据是否发生变化;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。本发明还公开了一种家电设备的故障数据获取装置及终端。本发明实现减少输出的运行数据的维度和数据量,便于运行数据的分析。
Description
技术领域
本发明涉及家电技术领域,尤其涉及家电设备的故障数据获取方法、装置及终端。
背景技术
随着物联网技术的不断发展,越来越多的物联网家电设备进入人们的日常生活和工作当中,所述物联网家电设备以物联网空调为例,与传统空调相比,物联网空调最大的区别在于两点:其一,物联网空调内置了很多传感器,可以自动实时收集空调的运行信息(诸如电压U,电阻R,压强P等)以及用户的操作信息(诸如开机时间,温度设置等);其二,物联网空调与互联网相连,可以自动实时的将传感器收集的数据上传至服务器端数据库,加以保存。
在维修过程中,物联网空调很自然的完成了自动化、远端化的数据采集。维修工程师在接到报修后,只需从服务器数据库中调出与报修空调相关的数据,即可开始远端化的数据分析,实现远端诊断。进而可以更有针对性的进行上门维修,提高效率。不仅如此,在传统的上门维修中,进行数据分析和故障解决的往往是同一人。而在远端诊断下,这两个环节可以由不同的人完成。这可以帮助实现人力资源配比的优化。
然而,这种远端化数据分析的弊端也是显而易见的。当维修人员进行上门故障诊断时,往往会根据故障描述以及经验,进行有选择的数据采集。收集少量但高效的数据,便于数据分析。而物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种家电设备的故障数据获取方法、装置及终端,解决物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析的问题。
为实现上述目的,本发明提供的一种家电设备的故障数据获取方法,包括:
获取家电设备的运行数据;
分析所述运行数据是否发生变化;
在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。
优选地,所述将所述发生变化的运行数据作为故障数据输出的步骤包括:
确定发生变化的运行数据的变化值;
将所述变化值与预设变化阈值比对;
在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。
优选地,所述将所述变化值大于预设阈值的运行数据作为故障数据输出的步骤之后,还包括:
按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
优选地,所述按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率的步骤之后,还包括:
从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。
优选地,所述将所述发生变化的运行数据作为故障数据输出的步骤之后,还包括:
接收所述家电设备运行数据的查询指令,在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;
将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
此外,为实现上述目的,本发明还提供一种家电设备的故障数据获取装置,包括:
获取模块,用于通过传感器检测家电设备的运行数据;
分析模块,用于分析所述运行数据是否发生变化;
输出模块,用于在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。
优选地,所述输出模块包括:
确定单元,用于确定发生变化的运行数据的变化值;
比对单元,用于将所述变化值与预设变化阈值比对;
输出单元,用于在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出;
所述分析模块,还用于按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
所述输出单元,还用于输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
优选地,所述家电设备的故障数据获取装置还包括:
匹配模块,用于从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
判断模块,用于在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
故障排除模块,用于若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
所述输出单元,还用于若所述解决方案不为自动解决方案,则输出所述解决方案或将所述解决方案发送至第三方终端。
优选地,所述家电设备的故障数据获取装置还包括:
接收模块,用于接收所述家电设备运行数据的查询指令;
所述获取模块,还用于在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;
所述输出单元,还用于将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
此外,为实现上述目的,本发明还提供一种终端,包括处理器,所述处理器用于获取家电设备的运行数据;分析所述运行数据是否发生变化;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。
本发明通过分析获取到的家电设备的运行数据,将发生变化的运行数据作为故障数据输出。减少输出的运行数据的维度和数据量,便于运行数据的分析。
附图说明
图1为本发明家电设备的故障数据获取方法的第一实施例的流程示意图;
图2为本发明将所述发生变化的运行数据作为故障数据输出一实施例的流程示意图;
图3为本发明家电设备的故障数据获取方法的第二实施例的流程示意图;
图4为本发明家电设备的故障数据获取方法的第三实施例的流程示意图;
图5为本发明家电设备的故障数据获取装置的第一实施例的功能模块示意图;
图6为图5中输出模块一实施例的细化功能模块示意图;
图7为本发明家电设备的故障数据获取装置的第二实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明实施例的主要解决方案是:通过传感器检测家电设备的运行数据;分析所述运行数据是否发生变化;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。通过分析获取到的家电设备的运行数据,将发生变化的运行数据作为故障数据输出。有效避免物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析的问题。减少输出的运行数据的维度和数据量,便于运行数据的分析。
由于现有的物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,存在数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析的问题。
基于上述问题,本发明提供一种家电设备的故障数据获取方法。
参照图1,图1为本发明家电设备的故障数据获取方法的第一实施例的流程示意图。
在一实施例中,所述家电设备的故障数据获取方法包括:
步骤S10,获取家电设备的运行数据;
在本实施例中,所述运行数据包括运行时间、运行的电流、电压等与家电设备运行有关的数据,以空调器为例,所述运行数据包括但不限于运行空调运行温度、湿度、导风板角度、送风量等。所述家电设备的运行数据的获取的触发方式包括多种,例如,1)在家电设备发生故障时,触发所述家电设备的运行数据的获取;2)在一段时间达到(1天、1周等)时,触发所述家电设备的运行数据的获取;3)接收获取指令,根据所述获取指令,触发所述家电设备的运行数据的获取。以上所列举出的家电设备的运行数据的获取的触发方式仅仅为示例性的,本领域技术人员利用本发明的技术思想,根据其具体需求所提出的其它家电设备的运行数据的获取的触发方式均在本发明的保护区间内,在此不进行一一穷举。所述获取指令的触发也可以包括多种,在此仅仅举出如下几个例证:1)通过遥控器触发;2)通过终端的虚拟界面的虚拟按键触发等。
在触发家电设备的运行数据的获取后,获取所述家电设备的运行数据。所述获取过程可以是通过在家电设备端加载应用软件远程获取,或者通过与家电设备通信连接的终端加载应用软件远程获取等。运行数据的获取过程包括但不限于:1)在发生故障时,获取所述家电设备发生故障前后的运行数据;2)在接收到获取指令时,获取预设时间(2分钟、5分钟等)内的运行数据;3)每间隔一段时间获取预设时间内的运行数据等。
步骤S20,分析所述运行数据是否发生变化;
在本实施例中,在获取到家电设备的运行数据后,分析所述运行数据,以分析所述运行数据是否发生变化。为了方便描述,以空调器为例,比对空调器的某个电阻值是否发生变化,比对某个器件的电压值是否发生变化等。
步骤S30,在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。
在所述运行数据未发生变化时,判断所述家电设备未发生故障,返回家电设备无故障的信息;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出,所述输出方式包括但不限于显示、发送至第三方终端或保存等。
进一步地,为了降低获取数据的数据量,更好的方便运行数据分析,参考图2,所述将所述发生变化的运行数据作为故障数据输出的过程可以包括:
步骤S31,确定发生变化的运行数据的变化值;
步骤S32,将所述变化值与预设变化阈值比对;
步骤S33,在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。
在本实施例中,所述预设变化阈值以电阻值为例,所述预设变化阈值为3欧姆、5欧姆等,可以根据实际情况设置,以电流值为例,所述预设变化阈值为2安培、4安培等,根据家电设备的实际运行情况设置,在以其他参数为例时,预设变化阈值随之不同。设置所述预设变化阈值考虑的为家电设备存在损耗,随着运行时间变长,器件损耗导致运行不稳定,随之运行数据也会不稳定。随着时间变长,不断更新所述预设变化阈值,例如,根据上一次运行参数结合这次运行参数,更新所述预设变化阈值。在获取的运行数据发生变化时,确定发生变化的运行数据的变化值;将所述变化值与预设变化阈值比对;在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。使得数据量进一步减少,便于分析。
为了更好的描述发明实施例,以空调器为例:
为了描述方便,我们先引入一些记法。
θ(t)=(θ1,θ2,...,θk).Θi(t),i=1,2,...,k为物联网空调上传的传感器数据,其中k为传感器的个数,t为时间。由于空调传感器实时上数据,为时间的函数。φi(t),i=1,2,...,p为物联网空调用户设置信息(如温度,风速等),其中p为用户设置的参数个数,t为时间。
人工进行远程诊断的一个问题在于,k值很大。或者说由于传感器返回的数据维度很高,维修人员难以从中过滤出真正有用的信息。而通过统计推断,我们可以过滤出那些在空调故障前后,有显著不同的数据。这些数据更有可能反映出故障原因,而且这种数据的维度也可以低到维修人员可以接受的程度。比如说,某次故障可能是由于空调内某个二极管被击穿造成的。那么在这个二极管被击穿的前后,或者说故障发生前后,很可能物联网空调监测的某个电阻数值会发生显著变化。在这种情况下,如果能够通过统计建模和推断,仅仅将这个电阻数据过滤出来,提供给维修人员。
传感器数据可以通过以下模型描述:
θi(t)=f(φ)+GP(μ(t),κ),i=1,2,.
.其中,f(φ)代表用户设置对于传感器数据的影响。剩余项由一个高斯过程CP(μ(t),κ)描述。其中μ(t)为该高斯过程的均值函数。如果传感器数据在近期有过显著变化,这种变化会反映在均值函数上。我们可以用以下模型进一步描述均值函数:
μ(t)=C0+C1I(t>t0);
其中的参数C0,C1,t0都可以通过极大似然估计取得。t0代表感应器数据发生变化的时间,C1可以量化感应器数据发生的变化。在为所有感应器数据建立这种模型后,我们只需过滤出那些C1显著不为零的数据,并将它们提供给维修人员作为参考即可。
在本发明其他实施例中,在获取到运行数据后,或者获取到故障数据后,用户可以查询运行数据或故障数据,以运行数据为例,查询过程可以包括:接收所述家电设备运行数据的查询指令,在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
本实施例通过分析获取到的家电设备的运行数据,将发生变化的运行数据作为故障数据输出。有效避免物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析的问题。减少输出的运行数据的维度和数据量,便于运行数据的分析。
参照图3,图3为本发明家电设备的故障数据获取方法的第二实施例的流程示意图。基于上述家电设备的故障数据获取方法的第一实施例,所述步骤S30之后,还包括:
步骤S40,按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
步骤S50,输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
上述第一实施例的只能根据故障获取数据得到具有参考价值的故障数据供维修人员分析,不能直接给出故障原因,无法实现完全的自动化,而且由于物联网空调自动收集的数据与维修人员人工收集的数据有概念上的出入,有可能维修人员没办法从统计推断中推荐的数据进行诊断。
完全自动化的诊断系统应该可以自动从数据库中取得所需信息并通过一系列算法自动给出最有可能的故障原因,全程不需要人为干预。这种系统可以通过机器学习的方法实现。首先,我们要提供一些历史数据供系统学习。这些数据不仅要包括感应器数据和用户操作数据还要有维修人员提供的真实故障原因数据。为具有有限取值范围的属性数据,其取值范围应该涵盖常见的故障原因。例如:F1={空调缺氟},F2={二极管A击穿},F3={二极管B击穿},F4={主电源未接通}等。通过机器学习,我们可以建立以下模型:
P(Fi)=gi(θ(t),φ(t)),i=1,2,...,q.
其中0≤P(Fi)≤1表示故障原因为Fi的概率。将所有可能的故障原因按照其对应的概率排序,即可知道最有可能的故障原因,其次有可能的,等等。
对于这种诊断,模型g=(g1,g2,...,gq)的建立至关重要。我们可以选用一些监督式学习的方法建立这样模型。常用的方法包括:逻辑斯特回归(logistic regression),随机森林(random forest),支持向量机(supportvector machine),神经网络(artificialneural network)等。
在本实施例中,通过故障数据及历史维修数据建立故障原因分析库,基于预设算法分析出故障原因及各个故障原因发生的概率,供维修人员挑选概率较大的故障原因进行维修,提高维修效率。所述预设算法为上述建立的模型。通过运算算法自动分析出故障原因,使得故障检测更加准确,给维修人员提供更加准确的故障分析数据。
参照图4,图4为本发明家电设备的故障数据获取方法的第三实施例的流程示意图。基于上述家电设备的故障数据获取方法的第二实施例,在所述步骤S40之后,还包括:
步骤S60,从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
步骤S70,在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
步骤S80,若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
步骤S90,若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。
在本实施例中,所述步骤S60至步骤S90可以执行在所述步骤S50之前,或者步骤S50之后,在分析到故障原因后,根据所述故障原因从解决方案库中匹配所述故障原因对应的解决方案,所述解决方案包括但不限于自动解决方案和手动解决方案。在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。对于简单的故障,可以通过调整家电设备运行参数解决,例如,噪音过大,则可以自动控制调整送风量、温度等;若是严重的例如导风角度严重偏离,则需要维修人员现场调整,发送解决方案至所述第三方终端,供维修人员手动解决,所述第三方终端为维修人员手机、pad等电子终端。本实施例通过判断到家电设备存在异常时,根据自动解决方案自动排出异常,提高了家电设备异常排出的效率和智能化。
上述第一至第三实施例的家电设备的故障数据获取方法的执行主体均可以为终端。更进一步地,该家电设备的故障数据获取方法可以由安装在终端上的客户端家电设备的故障数据获取程序实现,其中,该终端括但不限于检测设备、售后云平台及与所述检测设备或售后云平台通信连接的手机、pad、笔记本电脑等。
本发明进一步提供一种家电设备的故障数据获取装置。
参照图5,图5为本发明家电设备的故障数据获取装置的第一实施例的功能模块示意图。
在一实施例中,所述家电设备的故障数据获取装置包括:获取模块10、分析模块20、输出模块30及接收模块模块40。
所述获取模块10,用于获取家电设备的运行数据;
在本实施例中,所述运行数据包括运行时间、运行的电流、电压等与家电设备运行有关的数据,以空调器为例,所述运行数据包括但不限于运行空调运行温度、湿度、导风板角度、送风量等。所述家电设备的运行数据的获取的触发方式包括多种,例如,1)在家电设备发生故障时,触发所述家电设备的运行数据的获取;2)在一段时间达到(1天、1周等)时,触发所述家电设备的运行数据的获取;3)接收获取指令,根据所述获取指令,触发所述家电设备的运行数据的获取。以上所列举出的家电设备的运行数据的获取的触发方式仅仅为示例性的,本领域技术人员利用本发明的技术思想,根据其具体需求所提出的其它家电设备的运行数据的获取的触发方式均在本发明的保护区间内,在此不进行一一穷举。所述获取指令的触发也可以包括多种,在此仅仅举出如下几个例证:1)通过遥控器触发;2)通过终端的虚拟界面的虚拟按键触发等。
在触发家电设备的运行数据的获取后,获取所述家电设备的运行数据。所述获取过程可以是通过在家电设备端加载应用软件远程获取,或者通过与家电设备通信连接的终端加载应用软件远程获取等。运行数据的获取过程包括但不限于:1)在发生故障时,获取所述家电设备发生故障前后的运行数据;2)在接收到获取指令时,获取预设时间(2分钟、5分钟等)内的运行数据;3)每间隔一段时间获取预设时间内的运行数据等。
所述分析模块20,用于分析所述运行数据是否发生变化;
在本实施例中,在获取到家电设备的运行数据后,分析所述运行数据,以分析所述运行数据是否发生变化。为了方便描述,以空调器为例,比对空调器的某个电阻值是否发生变化,比对某个器件的电压值是否发生变化等。
所述输出模块30,用于在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。
在所述运行数据未发生变化时,判断所述家电设备未发生故障,返回家电设备无故障的信息;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出,所述输出方式包括但不限于显示、发送至第三方终端或保存等。
进一步地,为了降低获取数据的数据量,更好的方便运行数据分析,参考图6,所述输出模块30包括确定单元31、比对单元32和输出单元33,
所述确定单元31,用于确定发生变化的运行数据的变化值;
所述比对单元32,用于将所述变化值与预设变化阈值比对;
所述输出单元33,用于在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。
在本实施例中,所述预设变化阈值以电阻值为例,所述预设变化阈值为3欧姆、5欧姆等,可以根据实际情况设置,以电流值为例,所述预设变化阈值为2安培、4安培等,根据家电设备的实际运行情况设置,在以其他参数为例时,预设变化阈值随之不同。设置所述预设变化阈值考虑的为家电设备存在损耗,随着运行时间变长,器件损耗导致运行不稳定,随之运行数据也会不稳定。随着时间变长,不断更新所述预设变化阈值,例如,根据上一次运行参数结合这次运行参数,更新所述预设变化阈值。在获取的运行数据发生变化时,确定发生变化的运行数据的变化值;将所述变化值与预设变化阈值比对;在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。使得数据量进一步减少,便于分析。
为了更好的描述发明实施例,以空调器为例:
为了描述方便,我们先引入一些记法。
θ(t)=(θ1,θ2,...,θk).Θi(t),i=1,2,...,k为物联网空调上传的传感器数据,其中k为传感器的个数,t为时间。由于空调传感器实时上数据,为时间的函数。φi(t),i=1,2,...,p为物联网空调用户设置信息(如温度,风速等),其中p为用户设置的参数个数,t为时间。
人工进行远程诊断的一个问题在于,k值很大。或者说由于传感器返回的数据维度很高,维修人员难以从中过滤出真正有用的信息。而通过统计推断,我们可以过滤出那些在空调故障前后,有显著不同的数据。这些数据更有可能反映出故障原因,而且这种数据的维度也可以低到维修人员可以接受的程度。比如说,某次故障可能是由于空调内某个二极管被击穿造成的。那么在这个二极管被击穿的前后,或者说故障发生前后,很可能物联网空调监测的某个电阻数值会发生显著变化。在这种情况下,如果能够通过统计建模和推断,仅仅将这个电阻数据过滤出来,提供给维修人员。
传感器数据可以通过以下模型描述:
θi(t)=f(φ)+GP(μ(t),κ),i=1,2,.
.其中,f(φ)代表用户设置对于传感器数据的影响。剩余项由一个高斯过程GP(μ(t),κ)描述。其中μ(t)为该高斯过程的均值函数。如果传感器数据在近期有过显著变化,这种变化会反映在均值函数上。我们可以用以下模型进一步描述均值函数:
μ(t)=C0+C1I(t>t0);
其中的参数C0,C1,t0都可以通过极大似然估计取得。t0代表感应器数据发生变化的时间,C1可以量化感应器数据发生的变化。在为所有感应器数据建立这种模型后,我们只需过滤出那些C1显著不为零的数据,并将它们提供给维修人员作为参考即可。
在本发明其他实施例中,在获取到运行数据后,或者获取到故障数据后,用户可以查询运行数据或故障数据,以运行数据为例,所述接收模块40,用于接收所述家电设备运行数据的查询指令,所述获取模块10,还用于在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;所述输出单元33,还用于将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
本实施例通过分析获取到的家电设备的运行数据,将发生变化的运行数据作为故障数据输出。有效避免物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析的问题。减少输出的运行数据的维度和数据量,便于运行数据的分析。
进一步地,所述分析模块20,还用于按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
所述输出单元33,还用于输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
上述第一实施例的只能根据故障获取数据得到具有参考价值的故障数据供维修人员分析,不能直接给出故障原因,无法实现完全的自动化,而且由于物联网空调自动收集的数据与维修人员人工收集的数据有概念上的出入,有可能维修人员没办法从统计推断中推荐的数据进行诊断。
完全自动化的诊断系统应该可以自动从数据库中取得所需信息并通过一系列算法自动给出最有可能的故障原因,全程不需要人为干预。这种系统可以通过机器学习的方法实现。首先,我们要提供一些历史数据供系统学习。这些数据不仅要包括感应器数据和用户操作数据还要有维修人员提供的真实故障原因数据。为具有有限取值范围的属性数据,其取值范围应该涵盖常见的故障原因。例如:F1={空调缺氟},F2={二极管A击穿},F3={二极管B击穿},F4={主电源未接通}等。通过机器学习,我们可以建立以下模型:
P(Fi)=gi(θ(t),φ(t)),i=1,2,...,q.
其中0≤P(Fi)≤1表示故障原因为Fi的概率。将所有可能的故障原因按照其对应的概率排序,即可知道最有可能的故障原因,其次有可能的,等等。
对于这种诊断,模型g=(g1,g2,...,gq)的建立至关重要。我们可以选用一些监督式学习的方法建立这样模型。常用的方法包括:逻辑斯特回归(logistic regression),随机森林(random forest),支持向量机(supportvector machine),神经网络(artificialneural network)等。
在本实施例中,通过故障数据及历史维修数据建立故障原因分析库,基于预设算法分析出故障原因及各个故障原因发生的概率,供维修人员挑选概率较大的故障原因进行维修,提高维修效率。所述预设算法为上述建立的模型。通过运算算法自动分析出故障原因,使得故障检测更加准确,给维修人员提供更加准确的故障分析数据。
参照图7,图7为本发明家电设备的故障数据获取装置的第二实施例的功能模块示意图。所述家电设备的故障数据获取装置还包括匹配模块50、判断模块60及故障排除模块70,
所述匹配模块50,用于从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
所述判断模块60,用于在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
所述故障排除模块70,用于若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
所述输出单元33,还用于若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。
在本实施例中,在分析到故障原因后,根据所述故障原因从解决方案库中匹配所述故障原因对应的解决方案,所述解决方案包括但不限于自动解决方案和手动解决方案。在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。对于简单的故障,可以通过调整家电设备运行参数解决,例如,噪音过大,则可以自动控制调整送风量、温度等;若是严重的例如导风角度严重偏离,则需要维修人员现场调整,发送解决方案至所述第三方终端,供维修人员手动解决,所述第三方终端为维修人员手机、pad等电子终端。本实施例通过判断到家电设备存在异常时,根据自动解决方案自动排出异常,提高了家电设备异常排出的效率和智能化。
本发明还提供一种终端,包括处理器,所述处理器用于获取家电设备的运行数据;分析所述运行数据是否发生变化;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。所述终端括但不限于检测设备、售后云平台及与所述检测设备或售后云平台通信连接的手机、pad、笔记本电脑等
本实施例通过分析获取到的家电设备的运行数据,将发生变化的运行数据作为故障数据输出。有效避免物联网空调一般会收集所有可以获得的数据并全部上传,在这种情况下,数据的维度和数据量都会远远高于手动获得的数据,不便于运行数据的分析的问题。减少输出的运行数据的维度和数据量,便于运行数据的分析。
本发明还进一步提供一种存储器,所述存储器用于存储所述家电设备的故障数据获取程序,所述存储器与所述终端的处理器连接,所述终端的处理器调用所述存储器存储的所述家电设备的故障数据获取程序执行如下步骤:
获取家电设备的运行数据;
分析所述运行数据是否发生变化;
在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出。
进一步地,在一个实施例中,处理器调用存储器中存储的所述家电设备的故障数据获取程序可以执行以下操作:
确定发生变化的运行数据的变化值;
将所述变化值与预设变化阈值比对;
在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。
进一步地,在一个实施例中,处理器调用存储器中存储的所述家电设备的故障数据获取程序可以执行以下操作:
按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
进一步地,在一个实施例中,处理器调用存储器中存储的所述家电设备的故障数据获取程序可以执行以下操作:
从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。
进一步地,在一个实施例中,处理器调用存储器中存储的所述家电设备的故障数据获取程序可以执行以下操作:
接收所述家电设备运行数据的查询指令,在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;
将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种家电设备的故障数据获取方法,其特征在于,包括:
获取家电设备的运行数据;
分析所述运行数据是否发生变化;
在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出,通过传感器获取家电设备的运行数据为:θi(t)=f(φ)+GP(μ(t),k),i=1,2,······;
其中,θi(t)为传感器数据,f(φ)为用户设置对于传感器数据的影响,GP(μ(t),k)为高斯过程,μ(t)为高斯过程的均值函数,μ(t)=C0+C1I(t>t0),C0,C1通过设置获得,t0为传感器数据变化的时间,i为传感器个数,t为时间。
2.如权利要求1所述的家电设备的故障数据获取方法,其特征在于,所述将所述发生变化的运行数据作为故障数据输出的步骤包括:
确定发生变化的运行数据的变化值;
将所述变化值与预设变化阈值比对;
在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出。
3.如权利要求2所述的家电设备的故障数据获取方法,其特征在于,所述将所述变化值大于预设阈值的运行数据作为故障数据输出的步骤之后,还包括:
按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
4.如权利要求3所述的家电设备的故障数据获取方法,其特征在于,所述按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率的步骤之后,还包括:
从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
若所述解决方案不为自动解决方案,则显示所述解决方案或将所述解决方案发送至第三方终端。
5.如权利要求1或2所述的家电设备的故障数据获取方法,其特征在于,所述将所述发生变化的运行数据作为故障数据输出的步骤之后,还包括:
接收所述家电设备运行数据的查询指令,在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;
将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
6.一种家电设备的故障数据获取装置,其特征在于,包括:
获取模块,用于通过传感器检测家电设备的运行数据;
分析模块,用于分析所述运行数据是否发生变化;
输出模块,用于在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出;
通过传感器获取家电设备的运行数据为:θi(t)=f(φ)+GP(μ(t),k),i=1,2,······;
其中,θi(t)为传感器数据,f(φ)为用户设置对于传感器数据的影响,GP(μ(t),k)为高斯过程,μ(t)为高斯过程的均值函数,μ(t)=C0+C1I(t>t0),C0,C1通过设置获得,t0为传感器数据变化的时间,i为传感器个数,t为时间。
7.如权利要求6所述的家电设备的故障数据获取装置,其特征在于,所述输出模块包括:
确定单元,用于确定发生变化的运行数据的变化值;
比对单元,用于将所述变化值与预设变化阈值比对;
输出单元,用于在所述变化值大于预设变化阈值时,将所述变化值大于预设变化阈值的运行数据作为故障数据输出;
所述分析模块,还用于按照预设算法分析所述故障数据,得到故障原因及对应的故障发生概率;
所述输出单元,还用于输出各个故障原因及对应的故障发生概率,以供根据所述故障原因修复故障。
8.如权利要求7所述的家电设备的故障数据获取装置,其特征在于,所述家电设备的故障数据获取装置还包括:
匹配模块,用于从预存故障解决方案库中匹配所述故障原因对应的故障解决方案;
判断模块,用于在匹配出所述解决方案后,判断所述解决方案是否为自动解决方案;
故障排除模块,用于若所述解决方案为自动解决方案,则远程自动排出所述家电设备的异常;
所述输出单元,还用于若所述解决方案不为自动解决方案,则输出所述解决方案或将所述解决方案发送至第三方终端。
9.如权利要求7或8所述的家电设备的故障数据获取装置,其特征在于,所述家电设备的故障数据获取装置还包括:
接收模块,用于接收所述家电设备运行数据的查询指令;
所述获取模块,还用于在接收到所述家电设备运行数据的查询指令后,获取所述家电设备的运行数据;
所述输出单元,还用于将所述运行数据发送至所述查询指令对应的发送端,以在所述发送端的显示界面显示所述运行数据或将所述运行数据保存在所述发送端。
10.一种终端,其特征在于,包括处理器,所述处理器用于获取家电设备的运行数据;分析所述运行数据是否发生变化;在所述运行数据发生变化时,将所述发生变化的运行数据作为故障数据输出;
通过传感器获取家电设备的运行数据为:θi(t)=f(φ)+GP(μ(t),k),i=1,2,······;
其中,θi(t)为传感器数据,f(φ)为用户设置对于传感器数据的影响,GP(μ(t),k)为高斯过程,μ(t)为高斯过程的均值函数,μ(t)=C0+C1I(t>t0),C0,C1通过设置获得,t0为传感器数据变化的时间,i为传感器个数,t为时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510219129.6A CN104866632B (zh) | 2015-04-30 | 2015-04-30 | 家电设备的故障数据获取方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510219129.6A CN104866632B (zh) | 2015-04-30 | 2015-04-30 | 家电设备的故障数据获取方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104866632A CN104866632A (zh) | 2015-08-26 |
CN104866632B true CN104866632B (zh) | 2018-03-06 |
Family
ID=53912458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510219129.6A Active CN104866632B (zh) | 2015-04-30 | 2015-04-30 | 家电设备的故障数据获取方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104866632B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909974B (zh) * | 2015-12-22 | 2020-11-03 | 中国电信股份有限公司 | 用于分析多终端状态的方法、数据分析器和系统 |
CN105633903A (zh) | 2016-01-18 | 2016-06-01 | 京东方科技集团股份有限公司 | 具有故障监控功能的电气设备、电气系统以及终端设备 |
CN106016578B (zh) * | 2016-04-29 | 2019-03-01 | 珠海格力电器股份有限公司 | 空调故障检测处理方法、空调故障分析处理方法及系统 |
CN106196448B (zh) * | 2016-07-12 | 2018-12-07 | 珠海格力电器股份有限公司 | 空调器的故障检测方法和装置 |
CN108132944A (zh) * | 2016-11-30 | 2018-06-08 | 佛山市顺德区美的电热电器制造有限公司 | 家电故障检索及提示方法、系统、终端及服务器 |
CN107038485A (zh) * | 2017-03-02 | 2017-08-11 | 美的智慧家居科技有限公司 | 设备故障处理方法及系统 |
CN106940818A (zh) * | 2017-04-06 | 2017-07-11 | 深圳市沃特沃德股份有限公司 | 终端设备的维修方法和装置 |
CN106841881B (zh) * | 2017-04-12 | 2019-12-31 | 牛栋 | 用电模块的分析方法及装置 |
CN107491021A (zh) * | 2017-08-21 | 2017-12-19 | 无锡小天鹅股份有限公司 | 家用电器及其故障诊断系统、方法和服务器 |
CN109655680A (zh) * | 2017-11-15 | 2019-04-19 | 杨凯 | 一种高速公路机电设备故障诊断、解决方法及系统 |
CN108444937A (zh) * | 2018-03-22 | 2018-08-24 | 四川领创者科技有限公司 | 高灵敏度太赫兹检测仪的调试设备 |
CN108444942A (zh) * | 2018-03-22 | 2018-08-24 | 四川领创者科技有限公司 | 太赫兹光谱仪的故障检测方法 |
CN108333136A (zh) * | 2018-03-22 | 2018-07-27 | 四川领创者科技有限公司 | 太赫兹检测仪的工作状态远程检测方法 |
CN108426853A (zh) * | 2018-03-22 | 2018-08-21 | 四川领创者科技有限公司 | 便携式太赫兹检测仪的监控系统 |
CN108737982A (zh) * | 2018-05-10 | 2018-11-02 | 东北农业大学 | 一种低功耗畜禽舍无线监测网络数据融合方法 |
CN108710349A (zh) * | 2018-05-16 | 2018-10-26 | 珠海格力电器股份有限公司 | 一种故障数据采集方法及故障数据处理系统 |
CN109101394B (zh) * | 2018-07-09 | 2023-05-09 | 珠海格力电器股份有限公司 | 数据处理方法和装置 |
CN109060115B (zh) * | 2018-07-31 | 2020-05-26 | 珠海格力电器股份有限公司 | 设备的噪音分析方法、装置、存储介质和系统 |
CN109344983A (zh) * | 2018-10-09 | 2019-02-15 | 珠海格力电器股份有限公司 | 故障检测方法、装置及计算机可读存储介质 |
CN111044806A (zh) * | 2018-10-15 | 2020-04-21 | 珠海格力电器股份有限公司 | 设备故障定位方法、装置和服务器 |
CN109539473B (zh) * | 2018-10-15 | 2021-09-28 | 平安科技(深圳)有限公司 | 空调系统的故障类型确定方法、电子设备 |
CN109592525A (zh) * | 2018-12-07 | 2019-04-09 | 上海辛格林纳新时达电机有限公司 | 电梯变频器故障诊断系统及方法 |
CN111322721A (zh) * | 2018-12-14 | 2020-06-23 | 广东Tcl智能暖通设备有限公司 | 一种空调故障检测处理方法、系统、存储介质及空调器 |
CN109856476B (zh) * | 2018-12-19 | 2021-08-03 | 四川虹美智能科技有限公司 | 一种家电设备状态监控方法及系统 |
CN111401575A (zh) * | 2018-12-29 | 2020-07-10 | 捷通国际有限公司 | 一种用于产品维修服务的管理方法及装置 |
CN110389576A (zh) * | 2019-07-16 | 2019-10-29 | 青岛海尔科技有限公司 | 告警操作的执行方法、智能设备、存储介质 |
CN110621003B (zh) * | 2019-09-23 | 2020-06-02 | 上海大学 | 一种电气设备故障诊断装置 |
CN111650922A (zh) * | 2020-05-27 | 2020-09-11 | 北京金茂绿建科技有限公司 | 一种智能家居异常检测方法和装置 |
CN113125913B (zh) * | 2021-05-07 | 2022-12-27 | 国创能源互联网创新中心(广东)有限公司 | 一种电弧故障检测方法、装置及直流电器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101848477A (zh) * | 2009-03-24 | 2010-09-29 | 亚信科技(中国)有限公司 | 一种故障诊断方法及系统 |
CN103138980A (zh) * | 2011-11-30 | 2013-06-05 | 海尔集团公司 | 设备故障反馈系统及方法 |
CN103293399A (zh) * | 2012-02-22 | 2013-09-11 | 海尔集团公司 | 电器设备故障分析方法及系统 |
CN103728150A (zh) * | 2014-01-17 | 2014-04-16 | 徐州徐工施维英机械有限公司 | 一种混凝土搅拌站的故障检测系统和方法 |
CN104539492A (zh) * | 2014-12-22 | 2015-04-22 | 珠海格力电器股份有限公司 | 智能家居系统及其数据处理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100898465B1 (ko) * | 2007-04-26 | 2009-05-21 | 엔에이치엔(주) | 웹로그의 시계열 분석을 위한 데이터 저장 및 조회 방법그리고 상기 방법을 수행하는 시스템 |
US20120205440A1 (en) * | 2009-10-14 | 2012-08-16 | Nec Corporation | Data collection system, mobile terminal, sticker, and data collection method |
-
2015
- 2015-04-30 CN CN201510219129.6A patent/CN104866632B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101848477A (zh) * | 2009-03-24 | 2010-09-29 | 亚信科技(中国)有限公司 | 一种故障诊断方法及系统 |
CN103138980A (zh) * | 2011-11-30 | 2013-06-05 | 海尔集团公司 | 设备故障反馈系统及方法 |
CN103293399A (zh) * | 2012-02-22 | 2013-09-11 | 海尔集团公司 | 电器设备故障分析方法及系统 |
CN103728150A (zh) * | 2014-01-17 | 2014-04-16 | 徐州徐工施维英机械有限公司 | 一种混凝土搅拌站的故障检测系统和方法 |
CN104539492A (zh) * | 2014-12-22 | 2015-04-22 | 珠海格力电器股份有限公司 | 智能家居系统及其数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104866632A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
CN105446328B (zh) | 发电机组远程故障诊断和健康监测系统及数据捕获方法 | |
CN107679649A (zh) | 一种电器的故障预测方法、装置、存储介质及电器 | |
US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
CN104254809A (zh) | 用于重型燃气涡轮机的诊断规则的方法和系统 | |
CN105260823A (zh) | 一种重大设备健康状态的评估方法及系统 | |
CN106403188B (zh) | 一种空调维护方法及其维护装置 | |
CN113552840A (zh) | 一种机械加工控制系统 | |
CN111262750B (zh) | 一种用于评估基线模型的方法及系统 | |
CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN105843145A (zh) | 一种发电机组蓝牙数据采集系统及方法 | |
CN107491021A (zh) | 家用电器及其故障诊断系统、方法和服务器 | |
CN113849774A (zh) | 基于寿命分析和健康监测的设备智能维护平台 | |
CN109840864A (zh) | 一种建筑能耗管理系统 | |
CN109934453A (zh) | 设备健康等级的确定方法及装置、存储介质、电子装置 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN108900008A (zh) | 一种变电站监控方法、系统、介质及设备 | |
CN115642706A (zh) | 一种电网内配电负荷监控系统 | |
CN111445034A (zh) | 一种工业设备故障预测的系统及方法 | |
CN110941558B (zh) | 一种智慧办公远程运维的方法及系统 | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
CN116418117A (zh) | 一种用于智能电网的设备检测系统 | |
CN117639251A (zh) | 一种高压开关柜智能在线监测系统 | |
CN113787914A (zh) | 动力电池的监控方法、装置、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |