CN105204492A - 一种元器件故障诊断方法、控制器及空调 - Google Patents
一种元器件故障诊断方法、控制器及空调 Download PDFInfo
- Publication number
- CN105204492A CN105204492A CN201510570758.3A CN201510570758A CN105204492A CN 105204492 A CN105204492 A CN 105204492A CN 201510570758 A CN201510570758 A CN 201510570758A CN 105204492 A CN105204492 A CN 105204492A
- Authority
- CN
- China
- Prior art keywords
- fault
- components
- parts
- data
- rbf neural
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
Abstract
本发明涉及故障检测技术领域,元器件尤其涉及一种元器件故障诊断方法、控制器及空调。元器件故障诊断方法具体的为:当元器件发生故障时,将故障数据发送至专家控制模块,专家控制模块根据故障数据得出故障类型,且根据故障类型对元器件进行维修后,元器件能够正常运转,否则,将故障数据发送至RBF神经网络模块,并由RBF神经网络模块计算后得出故障类型。同时本申请还提供了一种采用上述方法的控制器,以及采用上述控制器的空调。本申请通过专家控制模块,以及RBF神经网络模块配合使用来对元器件出现的故障进行诊断,提高了元器件故障诊断的速度、准确度,以及降低了元器件故障诊断成本。
Description
技术领域
本发明涉及元器件技术领域,尤其涉及一种元器件故障诊断方法、控制器及空调。
背景技术
元器件(Variable-frequencyDrive,VFD)是应用变频技术与微电子技术,通过改变电机工作电源频率方式来控制交流电动机的电力控制设备。元器件主要由整流(交流变直流)、滤波、逆变(直流变交流)、制动单元、驱动单元、检测单元微处理单元等组成。
元器件靠内部IGBT的开断来调整输出电源的电压和频率,根据电机的实际需要来提供其所需要的电源电压,进而达到节能、调速的目的,另外,元器件还有很多的保护功能,如过流、过压、过载保护等等。
元器件与各类电机组成的变频调速系统可以精确的实现电机的转速控制或转矩控制,其控制方式与传统控制方式相比,可以减少能量消耗,因此广泛应用于各种电机控制领域。
元器件在发生故障时,元器件会停止工作并发出故障信息。但由于元器件整体结构的复杂性,多个部件的损坏都会产生相同的故障信息,或单一器件的损坏引起多个部件异常工作,从而产生多个故障信息,使人无法准备的判断具体的故障点。
发明内容
本发明的目的在于提出一种元器件故障诊断方法,能够克服现有诊断方法中存在的准确率低、速度慢、成本高的问题。
本发明的另一个目的在于提出一种控制器,能够克服现有控制器对元器件故障检测存在的准确率低、速度慢、成本高的问题。
本发明的再一个目的在于提出一种空调,能够克服对元器件故障检测存在的准确率低、速度慢、成本高的问题。
为达此目的,本发明采用以下技术方案:
一种元器件故障诊断方法,当元器件发生故障时,将故障数据发送至专家控制模块,专家控制模块根据故障数据得出故障类型,且根据故障类型对元器件进行维修后,元器件能够正常运转,否则,将故障数据发送至RBF神经网络模块,并由RBF神经网络模块计算后得出故障类型。
作为上述元器件故障诊断方法的一种优选方案,将故障数据发送至RBF神经网路模块包括的情况为:专家控制模块根据故障数据无法得出故障类型,或者根据所述专家控制模块得出的故障类型对元器件进行维修后,所述元器件不能正常运转。
作为上述元器件故障诊断方法的一种优选方案,根据RBF神经网络模块得出的故障类型进行维修,并得到元器件运行正常的反馈后,将此次故障数据,以及与其对应的故障类型存入专家控制模块。
作为上述元器件故障诊断方法的一种优选方案,根据RBF神经网络模块得出的故障类型进行维修,未得到元器件运行正常的反馈,退出系统。
作为上述元器件故障诊断方法的一种优选方案,未得到元器件运行正常的反馈,则向RBF神经网络模块输入此次故障信息,及其对应的故障类型。
作为上述元器件故障诊断方法的一种优选方案,所述专家控制模块通过预存的故障数据以及与故障数据一一对应的故障类型得出当前故障数据对应的故障类型。
一种控制器,该控制器采用如以上所述的元器件故障诊断方法判断元器件出现的故障。
作为上述控制器的一种优选方案,包括RBF神经网络模块,该RBF神经网络模块包括输入样本区、输出样本区和计算模块,所述输入样本区用于存储元器件的故障数据,所述输出样本区用于存储元器件的故障类型,所述计算模块根据接收到的故障数据、输入样本区内的故障数据和输出样本区内的故障类型得出当前故障数据对应的故障类类型;
所述输入样本区和输出样本区还具有接收外界输入的新数据功能。
作为上述控制器的一种优选方案,还包括专家控制模块,所述专家控制模块与所述RBF神经网络模块通讯连接,并用于接收由RBF神经网络模块输送的数据,以及根据故障数据判断故障类型。
一种空调,包括如以上所述的控制器。
本发明的有益效果是:通过专家控制模块,以及RBF神经网络模块配合使用来对元器件出现的故障进行诊断,提高了元器件故障诊断的速度、准确度,以及降低了元器件故障诊断成本。
附图说明
图1是本发明具体实施方式提供的元器件故障诊断方法的流程示意图;
图2是本发明具体实施方式提供的元器件故障诊断方法在具体实施过程中的流程示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1所示,在本实施方式中,提供了一种元器件故障诊断方法,具体的为:当元器件发生故障时,将故障数据发送至专家控制模块,专家控制模块根据故障数据得出故障类型,且根据故障类型对元器件进行维修后,元器件能够正常运转,否则,将故障数据发送至RBF神经网络模块,并由RBF神经网络模块计算后得出故障类型。
作为优选的,将故障数据发送至RBF神经网路模块包括的情况为:专家控制模块根据故障数据无法得出故障类型,或者根据所述专家控制模块得出的故障类型对元器件进行维修后,所述元器件不能正常运转。
在本实施方式中,本发明以变频器为例对上述控制方法进行详细的说明:
在实际应用中,变频器的故障大部分都集中在主电路,其主要故障有开路、短路、过压、过流、欠压、过热及功率器件损坏等。具体表现为下述几方面:
变频器的过电压故障主要是由变频器负载突降而使中间直流回路能量增大,短时间的能量增大如果超过了直流回路的承受能力而造成了滤波电容损坏的故障;变频器的欠压故障输入电源的缺相所造成的;变频器的过热故障通常是由电气联模块的故障造成的,包括了散热片过热、快熔开路和冷却风扇损坏等。
过电流故障是由于变频器负载发生突变、负荷分配不均,输出短路等原因引起的过载过电流和短路过电流,从而引起了变频器中逆变器件的损坏,逆变器件共6组IGBT(InsulatedGateBipolarTransistor)简称绝缘栅双极晶体管,因此故障诊断时需要确定是哪个或哪几个IGBT损坏。整流器件的故障诊断同样需要判断是哪几个器件的损坏。因此将欠压、过热、过压、开路等故障归纳为确定性故障,而将过流、整流器件的损坏等归纳为不确定性故障。
针对上述确定性故障和不确定性故障,本实施方式提供了一种变频器故障诊断方法,当变频器发生故障时,将故障数据发送至专家控制模块,专家控制模块根据故障数据得出故障类型,且根据故障类型对变频器进行维修后,变频器能够正常运转,否则,将故障数据发送至RBF神经网络模块,并由RBF神经网络模块计算后得出故障类型。
上述专家控制模块在故障诊断过程中,具有针对性强,诊断迅速的功能,但是其内置的数据量(故障数据,以及与该故障数据成一一对应关系的故障类型)有限,即存在专家控制模块根据得到的故障数据无法判断出相应的故障类型的问题。RBF(RadialBasisFunctionNeuralNetwork)神经网络模块为径向基函数神经网络。所述RBF神经网络模块通过相应的计算模型来判断故障数据对应的故障类型,具体的,RBF神经网络模块在接收到故障数据后会在其存储的故障数据内通过计算比较选取一个相同或相近的故障类型。由于,专家控制模块故障类型的输出采用的是选取的方式,而RBF神经网络模块的输出采用计算的方式,由此可见,专家控制模块具有较高的数据输出效率,RBF神经网络模块具有更广的适用性和准确性,两者配合使用可以提高对故障诊断的准确度、效率。
如图2所示,为了对变频器故障诊断方法进行详细的说明,本申请还提供了对变频器故障诊断的具体过程,具体的如下所述:
将故障数据输送至专家控制模块,若专家控制模块根据故障数据得出故障类型,根据此故障类型进行维修,在得到变频器运行正常的反馈后,退出系统。此处及以下涉及到的退出系统指的是退出诊断过程。
在此步骤中专家控制系统得出诊断类型的具体方式是:专家控制模块通过预存的故障数据以及与故障数据一一对应的故障类型得出当前故障数据对应的故障类型。
进一步具体的,专家控制模块预存有数据库,该数据库内包括故障数据,以及与故障数据呈一一对应关系的故障类型,当专家控制模块接收到故障数据后,开始查找数据库,若找到与该故障数据对应的故障类型后进行输出。此种处理模式具有简单、高效、准确率高的优点。
若专家控制模块不能得出故障类型或者根据其得出的故障类型对变频器进行维修后,变频器不能正常运转。那么将故障数据发送至RBF神经网络模块,RBF神经网络模块在接收到故障数据后经计算后会得出一个故障类型。
其中,RBF神经网络模块在使用前,先对其进行训练;即将不同故障类型对应的故障数据包输入到RBF神经网络模块中,并将该故障数据包对应的故障类型也输入到RBF神经网络模块中,RBF神经网络模块根据故障数据包及故障类型确定故障数据包中每个故障数据在每个故障类型中对应的权重;当RBF神经网络模块训练完成后,接收到故障数据后,根据训练所得的故障数据对应的权重,计算得出对应的故障类型。其中故障数据包为,每个故障类型所对应的故障数据的集合。
根据RBF神经网络模块得出的故障类型进行维修,并得到变频器运行正常的反馈后,将此次故障数据,以及与其对应的故障类型存入专家控制模块,然后退出系统。将得到正常反馈的故障数据,以及其对应的故障类型存入专家控制模块,在下次出现相同的故障数据时,通过专家控制模块即可得出相应的故障类型,省去了RBF神经网络模块的计算过程,提高了故障诊断效率。
根据RBF神经网络模块得出的故障类型进行维修,未得到变频器运行正常的反馈,则退出系统。作为优选的,在退出系统前,还可以向RBF神经网络模块输入此次故障信息,及其对应的故障类型。
根据RBF神经网络模块得出故障类型进行变频器的维修,但得到未正常运行的反馈,出现此种状况说明由RBF神经网络模块得出故障数据不准确。此时需要进行人工判断和维修,当人工维修成功后,将人为判断的故障信息,及其对应的故障类型输入RBF神经网络模块。上述输入的内容可以作为RBF神经网络模块以后判断故障类型的基础,由此,提高了RBF神经网络模块诊断的精准性。
在本实施方式中,还提供了一种控制器,该控制器采用如以上所述的元器件故障诊断方法判断元器件出现的故障。在本实施方式中,以元器件为变频器为例,其他元器件的故障诊断方法类似,在此不再赘述。
上述控制器包括RBF神经网络模块,该RBF神经网络模块包括输入样本区、输出样本区和计算模块,其中,输入样本区用于存储变频器的故障数据,输出样本区用于存储变频器的故障类型,计算模块根据接收到的故障数据、输入样本区内的故障数据和输出样本区内的故障类型得出当前故障数据对应的故障类类型。
其中,RBF神经网络模块在使用前,先对其进行训练;样本输入区用于,输入不同故障类型对应的故障数据包;输出样本区用于,输入该故障数据包对应的故障类型;计算模块用于,根据故障数据包及故障类型确定故障数据包中每个故障数据在每个故障类型中对应的权重。
当RBF神经网络模块训练完成后,样本输入区接收到故障数据后,计算模块根据训练所得的故障数据对应的权重,进行计算,将计算结果输入至输出样本区,输出样本区将对应的故障类型输出。
其中故障数据包为,每个故障类型所对应的故障数据的集合。
输入样本区和输出样本区还具有接收外界输入的新数据功能,即可以采用人工的方式向输入样本区输入故障数据,向输出样本区输入故障类型。
控制器还包括专家控制模块,专家控制模块与RBF神经网络模块通讯连接,并用于根据故障数据判断故障类型,以及接收由RBF神经网络模块输送的数据,即当RBF神经网络模块判断出故障类型,并得到变频器正常运行的反馈后,RBF神经网络模块会将相应的故障数据和与其对应的故障类型输送给专家控制模块。
在本实施方式还提供了一种空调,其包括如以上所述的控制器。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (10)
1.一种元器件故障诊断方法,其特征在于,当元器件发生故障时,将故障数据发送至专家控制模块,专家控制模块根据故障数据得出故障类型,且根据故障类型对元器件进行维修后,元器件能够正常运转,否则,将故障数据发送至RBF神经网络模块,并由RBF神经网络模块计算后得出故障类型。
2.如权利要求1所述的元器件故障诊断方法,其特征在于,将故障数据发送至RBF神经网路模块包括的情况为:专家控制模块根据故障数据无法得出故障类型,或者根据所述专家控制模块得出的故障类型对元器件进行维修后,所述元器件不能正常运转。
3.根据权利要求1所述的元器件故障诊断方法,其特征在于,根据RBF神经网络模块得出的故障类型进行维修,并得到元器件运行正常的反馈后,将此次故障数据,以及与其对应的故障类型存入专家控制模块。
4.根据权利要求1所述的元器件故障诊断方法,其特征在于,根据RBF神经网络模块得出的故障类型进行维修,未得到元器件运行正常的反馈,退出系统。
5.根据权利要求4所述的元器件故障诊断方法,其特征在于,未得到元器件运行正常的反馈,则向RBF神经网络模块输入此次故障信息,及其对应的故障类型。
6.根据权利要求1-5任一项所述的元器件故障诊断方法,其特征在于,所述专家控制模块通过预存的故障数据以及与故障数据一一对应的故障类型得出当前故障数据对应的故障类型。
7.一种控制器,其特征在于,该控制器采用如权利要求1-6任意一项所述的元器件故障诊断方法判断元器件出现的故障。
8.根据权利要求7所述的控制器,其特征在于,包括RBF神经网络模块,该RBF神经网络模块包括输入样本区、输出样本区和计算模块,所述输入样本区用于存储元器件的故障数据,所述输出样本区用于存储元器件的故障类型,所述计算模块根据接收到的故障数据、输入样本区内的故障数据和输出样本区内的故障类型得出当前故障数据对应的故障类类型;
所述输入样本区和输出样本区还具有接收外界输入的数据功能。
9.根据权利要求8所述的控制器,其特征在于,还包括专家控制模块,所述专家控制模块与所述RBF神经网络模块通讯连接,并用于接收由RBF神经网络模块输送的数据,以及根据故障数据判断故障类型。
10.一种空调,其特征在于,包括如权利要求7-9任意一项所述的控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510570758.3A CN105204492B (zh) | 2015-09-08 | 2015-09-08 | 一种元器件故障诊断方法、控制器及空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510570758.3A CN105204492B (zh) | 2015-09-08 | 2015-09-08 | 一种元器件故障诊断方法、控制器及空调 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105204492A true CN105204492A (zh) | 2015-12-30 |
CN105204492B CN105204492B (zh) | 2018-01-19 |
Family
ID=54952233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510570758.3A Active CN105204492B (zh) | 2015-09-08 | 2015-09-08 | 一种元器件故障诊断方法、控制器及空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105204492B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106123201A (zh) * | 2016-06-13 | 2016-11-16 | 珠海格力电器股份有限公司 | 空调及其故障检测方法和装置 |
CN107656156A (zh) * | 2017-09-22 | 2018-02-02 | 安徽科技学院 | 一种基于云平台的设备故障诊断及运行状态评估方法与系统 |
CN108895607A (zh) * | 2018-07-04 | 2018-11-27 | 珠海格力电器股份有限公司 | 空调故障处理方法、装置、存储介质、空调及服务器 |
CN115789859A (zh) * | 2022-12-07 | 2023-03-14 | 珠海格力电器股份有限公司 | 一种空调故障诊断方法、终端及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634605A (zh) * | 2009-04-10 | 2010-01-27 | 北京工业大学 | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 |
CN102221651A (zh) * | 2011-03-11 | 2011-10-19 | 太原理工大学 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
CN102243135A (zh) * | 2011-04-15 | 2011-11-16 | 河海大学 | 一种塔式太阳能热发电站定日镜故障诊断分析方法 |
JP2014227057A (ja) * | 2013-05-23 | 2014-12-08 | 三菱電機株式会社 | 車両用空気調和装置の故障診断装置 |
CN104331543A (zh) * | 2014-10-17 | 2015-02-04 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统故障诊断专家系统和建立方法 |
CN104732276A (zh) * | 2015-03-18 | 2015-06-24 | 国家电网公司 | 一种计量生产设施故障在线诊断方法 |
CN104724131A (zh) * | 2015-01-15 | 2015-06-24 | 深圳市通业科技发展有限公司 | 集成kw平台的列车空调控制器 |
-
2015
- 2015-09-08 CN CN201510570758.3A patent/CN105204492B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101634605A (zh) * | 2009-04-10 | 2010-01-27 | 北京工业大学 | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 |
CN102221651A (zh) * | 2011-03-11 | 2011-10-19 | 太原理工大学 | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 |
CN102243135A (zh) * | 2011-04-15 | 2011-11-16 | 河海大学 | 一种塔式太阳能热发电站定日镜故障诊断分析方法 |
JP2014227057A (ja) * | 2013-05-23 | 2014-12-08 | 三菱電機株式会社 | 車両用空気調和装置の故障診断装置 |
CN104331543A (zh) * | 2014-10-17 | 2015-02-04 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统故障诊断专家系统和建立方法 |
CN104724131A (zh) * | 2015-01-15 | 2015-06-24 | 深圳市通业科技发展有限公司 | 集成kw平台的列车空调控制器 |
CN104732276A (zh) * | 2015-03-18 | 2015-06-24 | 国家电网公司 | 一种计量生产设施故障在线诊断方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106123201A (zh) * | 2016-06-13 | 2016-11-16 | 珠海格力电器股份有限公司 | 空调及其故障检测方法和装置 |
CN107656156A (zh) * | 2017-09-22 | 2018-02-02 | 安徽科技学院 | 一种基于云平台的设备故障诊断及运行状态评估方法与系统 |
CN108895607A (zh) * | 2018-07-04 | 2018-11-27 | 珠海格力电器股份有限公司 | 空调故障处理方法、装置、存储介质、空调及服务器 |
CN115789859A (zh) * | 2022-12-07 | 2023-03-14 | 珠海格力电器股份有限公司 | 一种空调故障诊断方法、终端及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105204492B (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105281643B (zh) | 电动机控制装置 | |
CN103033769B (zh) | 一种三相电源的故障检测方法 | |
CN103901301B (zh) | 变频器的故障诊断方法 | |
US10826349B2 (en) | Wind turbine generator including at least two power transmission systems connected in parallel with each other and control method therefor | |
CN104808719A (zh) | 一种温度控制系统及方法 | |
CN202997527U (zh) | 一种三相电源的故障检测保护电路及变频空调器 | |
CN105204492A (zh) | 一种元器件故障诊断方法、控制器及空调 | |
CN107154771B (zh) | 用于电力电子变换器的风机变频调速系统 | |
CN102819227B (zh) | 一种汽车电压调节电路 | |
CN203275603U (zh) | 电机耐久性测试系统 | |
CN106411208A (zh) | 电动机控制装置、变换器控制装置、机械学习装置及方法 | |
CN103135062A (zh) | 一种高效率动力电池充放电监测方法 | |
CN204243837U (zh) | 新能源汽车电池管理系统 | |
CN202772829U (zh) | 一种汽车发电机电压调节装置 | |
CN103238273A (zh) | 用于使汽车传动系的电机运行的方法和设备 | |
CN105858369B (zh) | 一种电梯节能控制系统 | |
CN107359594A (zh) | 压缩机断电退磁保护方法、装置、家用电器及存储介质 | |
CN206323727U (zh) | 电动车电机控制器水冷散热装置 | |
CN205059308U (zh) | 一种基于Lab VIEW的电动汽车电池管理系统 | |
CN111413116B (zh) | 电机控制器冷却故障检测系统及其方法 | |
CN206211901U (zh) | 机动车旋转电机和电压调节控制器 | |
CN201104351Y (zh) | 一种直流变频空调压缩机驱动电路 | |
CN105406796A (zh) | 一种变频压缩机频率控制方法系统及变频空调 | |
WO2022217597A1 (zh) | 一种用于电机驱动器的故障预警方法和装置 | |
CN211627761U (zh) | 一种高速永磁同步电机加载装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |