CN106705368B - 预判家用电器故障的方法、装置及家用电器 - Google Patents

Abstract

本发明公开了一种预判家用电器故障的方法、装置及家用电器，所述方法包括以下步骤：在家用电器上电后，获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数；根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数；根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，并判断误差值是否在预设的正常范围内；如果误差值不在预设的正常范围内，则根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息；以及根据异常部件信息生成预警信息并发送。根据本发明的方法，能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

Description

预判家用电器故障的方法、装置及家用电器

技术领域

本发明涉及家用电器技术领域，特别涉及一种预判家用电器故障的方法、一种预判家用电器故障的装置和一种家用电器。

背景技术

随着生活水平的提高，空调、空气净化器等家用电器越来越多地进入各个家庭。然而相关技术中，家用电器只有在出现了运行故障时，才报出故障，安全性低，且不利于用户体验。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种预判家用电器故障的方法，能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

本发明的第二个目的在于提出一种预判家用电器故障的装置。

本发明的第三个目的在于提出一种家用电器。

为达到上述目的，本发明第一方面实施例提出了一种预判家用电器故障的方法，所述家用电器包括空调器，所述空调器包括室内机壳体，所述室内机壳体围成有进风口和出风口，以及连通进风口和出风口的风道，在所述风道中设置有风机和室内换热器，所述方法包括以下步骤：在家用电器上电后，获取所述家用电器的运行参数，其中，所述运行参数包括第一运行参数和第二运行参数；根据所述第一运行参数和预设的趋势特征算法方程计算所述家用电器的理论运行参数；根据预设的计算误差方式、所述理论运行参数和所述第二运行参数计算所述家用电器的误差值，并判断所述误差值是否在预设的正常范围内；如果所述误差值不在所述预设的正常范围内，则根据所述误差值调用所述家用电器的知识库，以获取所述家用电器的异常部件信息；以及根据所述异常部件信息生成预警信息并发送。

根据本发明实施例的预判家用电器故障的方法，在家用电器上电后，首先获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数，然后根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数，并根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，以及判断误差值是否在预设的正常范围内，如果误差值不在预设的正常范围内，则根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息，最后根据异常部件信息生成预警信息并发送。由此，该方法能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

另外，根据本发明上述实施例提出的预判家用电器故障的方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述预设的趋势特征算法方程、所述预设的计算误差方式和所述预设的正常范围均存储在所述知识库中。

在本发明的一个实施例中，上述预判家用电器故障的方法还包括：在家用电器上电后，判断所述家用电器是否接收到自检指令，并在所述家用电器接收到自检指令时启动所述家用电器的自检功能，以获取所述家用电器的运行参数。

在本发明的一个实施例中，所述根据所述第一运行参数和预设的趋势特征算法方程计算所述家用电器的理论运行参数，包括：根据所述第一运行参数和所述第二运行参数确定所述预设的趋势特征算法方程；以及将所述第一运行参数代入所述预设的趋势特征算法方程，以获得所述家用电器的理论运行参数。

在本发明的一个实施例中，所述根据所述误差值调用所述家用电器的知识库，以获取所述家用电器的异常部件信息，包括：调用所述家用电器的知识库中的异常部件关系对照表；将所述误差值与所述异常部件关系对照表进行匹配；如果匹配成功，则获取相应的异常部件信息。

为达到上述目的，本发明第二方面实施例提出了一种预判家用电器故障的装置，所述家用电器包括空调器，所述空调器包括室内机壳体，所述室内机壳体围成有进风口和出风口，以及连通进风口和出风口的风道，在所述风道中设置有风机和室内换热器，所述装置包括：第一获取模块，所述第一获取模块用于在家用电器上电后，获取所述家用电器的运行参数，其中，所述运行参数包括第一运行参数和第二运行参数；第一计算模块，所述第一计算模块用于根据所述第一运行参数和预设的趋势特征算法方程计算所述家用电器的理论运行参数；第二计算模块，所述第二计算模块用于根据预设的计算误差方式、所述理论运行参数和所述第二运行参数计算所述家用电器的误差值，并判断所述误差值是否在预设的正常范围内；第二获取模块，所述第二获取模块用于当所述误差值不在所述预设的正常范围内时，根据所述误差值调用所述家用电器的知识库，以获取所述家用电器的异常部件信息；以及生成模块，所述生成模块用于根据所述异常部件信息生成预警信息并发送。

根据本发明实施例的预判家用电器故障的装置，在家用电器上电后，通过第一获取模块获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数，并控制第一计算模块根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数，第二计算模块根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，而后判断误差值是否在预设的正常范围内，当误差值不在预设的正常范围内时，控制第二获取模块根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息，以及控制生成模块根据异常部件信息生成预警信息并发送。由此，该装置能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

另外，根据本发明上述实施例提出的预判家用电器故障的装置还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述预设的趋势特征算法方程、所述预设的计算误差方式和所述预设的正常范围均存储在所述知识库中。

在本发明的一个实施例中，所述第一获取模块，还用于：在家用电器上电后，判断所述家用电器是否接收到自检指令，并在所述家用电器接收到自检指令时启动所述家用电器的自检功能，以获取所述家用电器的运行参数。

在本发明的一个实施例中，所述第一计算模块，具体用于：根据所述第一运行参数和所述第二运行参数确定所述预设的趋势特征算法方程；以及将所述第一运行参数代入所述预设的趋势特征算法方程，以获得所述家用电器的理论运行参数。

在本发明的一个实施例中，所述第二获取模块，具体用于：当所述误差值不在所述预设的正常范围内时，调用所述家用电器的知识库中的异常部件关系对照表；将所述误差值与所述异常部件关系对照表进行匹配；如果匹配成功，则获取相应的异常部件信息。

为了实现上述目的，本发明第三方面实施例提出的一种家用电器包括：本发明第二方面实施例的预判家用电器故障的装置。

本发明实施例的家用电器，通过上述预判家用电器故障的装置，能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是根据本发明一个实施例的预判家用电器故障的方法的流程图。

图2是根据本发明一个实施例的预判家用电器故障的装置的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图来描述根据本发明实施例提出的预判家用电器故障的方法、装置及家用电器。

图1是根据本发明一个实施例的预判家用电器故障的方法的流程图。

在本发明的实施例中，家用电器可包括空调器和空气净化器，其中，空调器可包括室内机壳体，室内机壳体围成有进风口和出风口，以及连通进风口和出风口的风道，在风道中设置有风机和室内换热器。空气净化器可包括壳体、设置在壳体内的过滤装置，壳体围成有进风口和出风口，过滤装置临近进风口处设置，在过滤装置中还设有风机和空气过滤网。

在本发明的其他实施例中，上述的家用电器还可包括电视剧、洗衣机和电冰箱等，在此不一一列举。

如图1所示，本发明实施例的预判家用电器故障的方法包括以下步骤：

S1，在家用电器上电后，获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数。

在本发明的实施例中，当家用电器为空调器时，上述的第一运行参数可包括空调器的实时功率、风速设置和温度设置等，上述的第二运行参数可包括空调器的制冷量、出风口风速和出风口温度等。在此不一一列举。

在本发明的一个实施例中，上述预判家用电器故障的方法还包括在家用电器上电后，判断家用电器是否接收到自检指令，并在家用电器接收到自检指令时启动家用电器的自检功能，以获取家用电器的运行参数。

具体地，在家用电器上电之后，首先判断家用电器是否接收到用户发送的自检指令，其中，用户可通过移动终端、云端服务器等远程发送该自检指令。当家用电器接收到用户发送的自检指令时，启动家用电器内置的自检功能，在对该家用电器进行自检的同时获取家用电器的运行参数(例如，空调器的实时功率、风速设置和温度设置等)。在本发明的其他实施例中，上述的自检指令也可以是家用电器发出的。具体的，家用电器中可内置数据处理器，该数据处理器可根据出厂时的设置(例如，定时对家用电器进行自检)定时发送上述的自检指令。在此不做限制。

S2，根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数。其中，预设的趋势特征算法方程可根据实际情况进行标定。

在本发明的一个实施例中，根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数，可包括根据第一运行参数和第二运行参数确定预设的趋势特征算法方程，以及将第一运行参数代入预设的趋势特征算法方程，以获得家用电器的理论运行参数。

S3，根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，并判断误差值是否在预设的正常范围内。其中，预设的计算误差方式可根据实际情况进行标定，预设的正常范围可根据实际情况进行标定。

在本发明的一个实施例中，预设的趋势特征算法方程、预设的计算误差方式和预设的正常范围均存可储在知识库中。其中，知识库可设置在云端服务器上。在本发明的其他实施例中，该知识库也可设置在移动终端中和家用电器自身的存储空间中。在此不做限定。

具体的，当家用电器通过自检获取到相应的运行参数后，可通过物联网调用云端服务器中的知识库，以便从该知识库中调出该家用电器的预判故障所需的详细信息，其中，预判故障所需的详细信息可包括预设的趋势特征算法方程及该方程中参数的对应关系(例如，空调器的运行参数与该方程的关系)，预设的计算误差方式、预设的正常范围等。

然后，根据第一运行参数和第二运行参数从预判故障所需的详细信息中确定相应的预设趋势特征算法方程，例如，如果第一运行参数为空调器实时功率，且第二运行参数为空调器的制冷量，则相应的预设趋势特征算法方程可为y＝0.3tan x+5，其中，y为空调器的制冷量，x为空调器的实时功率。

家用电器在根据第一运行参数和第二运行参数确定预设的趋势特征算法方程后，可将第一运行参数代入预设的趋势特征算法方程，以获得家用电器的理论运行参数。例如，将空调器的实时功率x带入预设的趋势特征算法方程y＝0.3tan x+5，计算得出空调器的制冷量的理论运行参数y。

而后，家用电器将从上述预判故障所需的详细信息中取出与上述预设的趋势特征算法方程相应的预设计算误差方式，并根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值。例如，如果预设的计算误差方式可为10个取样点误差加总，则空调器根据该预设的计算误差方式从第一运行参数中取出10组数据，并将其带入预设的趋势特征算法方程中计算得出10个理论运行参数，并根据上述10组数据对应的第二运行参数计算得出空调器的误差值。此时，家用电器将进一步并判断该误差值是否在预设的正常范围内。

需要说明的是，家用电器的各个零部件在故障或损坏之前一般都会有一些轻微的异常，而这些轻微的异常往往会影响到一些运行参数，例如，空调冷凝器工作异常时，空调的运行功率会提升等等。通过分析各种运行参数的变化，加上综合的分析得到家电可能的异常点，并以此对家用电器的各个零部件的故障进行预判。

S4，如果误差值不在预设的正常范围内，则根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息。

在本发明的一个实施例中，根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息，可包括调用家用电器的知识库中的异常部件关系对照表，并将误差值与异常部件关系对照表进行匹配，如果匹配成功，则获取相应的异常部件信息。其中，异常部件关系对照表可根据实际情况进行标定。

S5，根据异常部件信息生成预警信息并发送。

具体的，当误差值不在预设的正常范围内时，家用电器可再次通过物联网调用云端服务器中的知识库，以获取异常部件关系对照表。在本发明的实施例中，当家用电器为空调器时该异常部件关系对照表可如图表1所示。

表1

然后，家用电器将上述的误差值与异常部件关系对照表进行匹配，如果匹配成功，则获取相应的异常部件信息。例如，当空调器的制冷量的误差值为-15时，这说明该空调器的冷媒泄露。最后，家用电器根据异常部件信息生成预警信息(例如，空调器存在冷媒泄露的问题)并将其发送，以及时的通知用户家用电器可能存在的问题，便于用户根据该预警信息找维修人员对该该家用电器进行相关的检测和维修。

需要说明的是，该实施例中所描述的预警信息可以通过家用电器自带的显示屏进行显示，或者通过移动终端、个人电脑等进行显示。

在本发明的实施例中，上述的预警信息还可以通过家用电器自带的语音播放器进行语音播放。在此不做限定。

根据本发明实施例的预判家用电器故障的方法，在家用电器上电后，首先获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数，然后根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数，并根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，以及判断误差值是否在预设的正常范围内，如果误差值不在预设的正常范围内，则根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息，最后根据异常部件信息生成预警信息并发送。由此，该方法能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

图2是根据本发明一个实施例的预判家用电器故障的装置的方框示意图。

在本发明的实施例中，家用电器可包括空调器和空气净化器，其中，空调器可包括室内机壳体，室内机壳体围成有进风口和出风口，以及连通进风口和出风口的风道，在风道中设置有风机和室内换热器。空气净化器可包括壳体、设置在壳体内的过滤装置，壳体围成有进风口和出风口，过滤装置临近进风口处设置，在过滤装置中还设有风机和空气过滤网。

在本发明的其他实施例中，上述的家用电器还可包括电视剧、洗衣机和电冰箱等，在此不一一列举。

如图2所示，本发明实施例的预判家用电器故障的装置包括：第一获取模块100、第一计算模块200、第二计算模块300、第二获取模块400和生成模块500。

其中，第一获取模块100用于在家用电器上电后，获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数。

在本发明的实施例中，当家用电器为空调器时，上述的第一运行参数可包括空调器的实时功率、风速设置和温度设置等，上述的第二运行参数可包括空调器的制冷量、出风口风速和出风口温度等。在此不一一列举。

在本发明的一个实施例中，第一获取模块100还用于在家用电器上电后，判断家用电器是否接收到自检指令，并在家用电器接收到自检指令时启动家用电器的自检功能，以获取家用电器的运行参数。

具体地，在家用电器上电之后，第一获取模块100可首先判断家用电器是否接收到用户发送的自检指令，其中，用户可通过移动终端、云端服务器等远程发送该自检指令。当家用电器接收到用户发送的自检指令时，第一获取模块100可启动家用电器内置的自检功能，在对该家用电器进行自检的同时获取家用电器的运行参数(例如，空调器的实时功率、风速设置和温度设置等)。在本发明的其他实施例中，上述的自检指令也可以是家用电器发出的。具体的，家用电器中可内置数据处理器，该数据处理器可根据出厂时的设置(例如，定时对家用电器进行自检)定时发送上述的自检指令。在此不做限制。

第一计算模块200用于根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数。其中，预设的趋势特征算法方程可根据实际情况进行标定。

在本发明的一个实施例中，第一计算模块200具体用于根据第一运行参数和第二运行参数确定预设的趋势特征算法方程，以及将第一运行参数代入预设的趋势特征算法方程，以获得家用电器的理论运行参数。

第二计算模块300用于根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，并判断误差值是否在预设的正常范围内。其中，预设的计算误差方式可根据实际情况进行标定，预设的正常范围可根据实际情况进行标定。

在本发明的一个实施例中，预设的趋势特征算法方程、预设的计算误差方式和预设的正常范围均可存储在知识库中。其中，知识库可设置在云端服务器上。在本发明的其他实施例中，该知识库也可设置在移动终端中和家用电器自身的存储空间中。在此不做限定。

具体的，当第一获取模块100获取到家用电器的运行参数后，第一计算模块200可通过物联网调用云端服务器中的知识库，以便从该知识库中调出该空调器的预判故障所需的详细信息，其中，预判故障所需的详细信息可包括预设的趋势特征算法方程及该方程中参数的对应关系(例如，空调器的运行参数与该方程的关系)，预设的计算误差方式、预设的正常范围等。

然后，第一计算模块200根据第一运行参数和第二运行参数从预判故障所需的详细信息中确定相应的预设趋势特征算法方程，例如，如果第一运行参数为空调器实时功率，且第二运行参数为空调器的制冷量，则相应的预设趋势特征算法方程可为y＝0.3tan x+5，其中，y为空调器的制冷量，x为空调器的实时功率。

第一计算模块200在根据第一运行参数和第二运行参数确定预设的趋势特征算法方程后，可将第一运行参数代入预设的趋势特征算法方程，以获得家用电器的理论运行参数。例如，将空调器的实时功率x带入预设的趋势特征算法方程y＝0.3tan x+5，计算得出空调器的制冷量的理论运行参数y。

而后，第二计算模块300将从上述预判故障所需的详细信息中取出与上述预设的趋势特征算法方程相应的预设计算误差方式，并根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值。例如，如果预设的计算误差方式可为10个取样点误差加总，则第二计算模块300根据该预设的计算误差方式从第一运行参数中取出10组数据，并将其带入预设的趋势特征算法方程中计算得出10个理论运行参数，并根据上述10组数据对应的第二运行参数计算得出空调器的误差值。此时，第二计算模块300将进一步并判断该误差值是否在预设的正常范围内。

需要说明的是，家用电器的各个零部件在故障或损坏之前一般都会有一些轻微的异常，而这些轻微的异常往往会影响到一些运行参数，例如，空调冷凝器工作异常时，空调的运行功率会提升等等。通过分析各种运行参数的变化，加上综合的分析得到家电可能的异常点，并以此对家用电器的各个零部件的故障进行预判。

第二获取模块400用于当误差值不在预设的正常范围内时，根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息。

在本发明的一个实施例中，第二获取模块400具体用于当误差值不在预设的正常范围内时，调用家用电器的知识库中的异常部件关系对照表，并将误差值与异常部件关系对照表进行匹配，如果匹配成功，则获取相应的异常部件信息。其中，异常部件关系对照表可根据实际情况进行标定。

生成模块500用于根据异常部件信息生成预警信息并发送。

具体的，当误差值不在预设的正常范围内时，第二获取模块400可通过物联网调用云端服务器中的知识库，以获取异常部件关系对照表。在本发明的实施例中，当家用电器为空调器时该异常部件关系对照表可如图表1所示。

表1

然后，第二获取模块400将上述的误差值与异常部件关系对照表进行匹配，如果匹配成功，则获取相应的异常部件信息。例如，当空调器的制冷量的误差值为-15时，这说明该空调器的冷媒泄露。最后，生成模块500根据异常部件信息生成预警信息(例如，空调器存在冷媒泄露的问题)并将其发送，以及时的通知用户家用电器可能存在的问题，便于用户根据该预警信息找维修人员对该该家用电器进行相关的检测和维修。

需要说明的是，该实施例中所描述的预警信息可以通过家用电器自带的显示屏进行显示，或者通过移动终端、个人电脑等进行显示。

在本发明的实施例中，上述的预警信息还可以通过家用电器自带的语音播放器进行语音播放。在此不做限定。

根据本发明实施例的预判家用电器故障的装置，在家用电器上电后，通过第一获取模块获取家用电器的运行参数，其中，运行参数包括第一运行参数和第二运行参数，并控制第一计算模块根据第一运行参数和预设的趋势特征算法方程计算家用电器的理论运行参数，第二计算模块根据预设的计算误差方式、理论运行参数和第二运行参数计算家用电器的误差值，而后判断误差值是否在预设的正常范围内，当误差值不在预设的正常范围内时，控制第二获取模块根据误差值调用家用电器的知识库，以获取家用电器的异常部件信息，以及控制生成模块根据异常部件信息生成预警信息并发送。由此，该装置能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

为了实现上述实施例，本发明还提出一种家用电器，其包括上述预判家用电器故障的装置。

本发明实施例的家用电器，通过上述预判家用电器故障的装置，能够实现家用电器的故障预判，既提升了家用电器的安全性，又提高了用户体验。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种预判家用电器故障的方法，其特征在于，所述家用电器包括空调器，所述空调器包括室内机壳体，所述室内机壳体围成有进风口和出风口，以及连通进风口和出风口的风道，在所述风道中设置有风机和室内换热器，所述方法包括以下步骤：

在家用电器上电后，获取所述家用电器的运行参数，其中，所述运行参数包括第一运行参数和第二运行参数；

根据所述第一运行参数和预设的趋势特征算法方程计算所述家用电器的理论运行参数，其中，所述根据所述第一运行参数和预设的趋势特征算法方程计算所述家用电器的理论运行参数，包括：

根据所述第一运行参数和所述第二运行参数确定所述预设的趋势特征算法方程；

以及

将所述第一运行参数代入所述预设的趋势特征算法方程，以获得所述家用电器的理论运行参数；

根据预设的计算误差方式、所述理论运行参数和所述第二运行参数计算所述家用电器的误差值，并判断所述误差值是否在预设的正常范围内；

如果所述误差值不在所述预设的正常范围内，则根据所述误差值调用所述家用电器的知识库，以获取所述家用电器的异常部件信息；以及

根据所述异常部件信息生成预警信息并发送。

2.根据权利要求1所述的预判家用电器故障的方法，其特征在于，其中，所述预设的趋势特征算法方程、所述预设的计算误差方式和所述预设的正常范围均存储在所述知识库中。

3.根据权利要求1所述的预判家用电器故障的方法，其特征在于，还包括：

在家用电器上电后，判断所述家用电器是否接收到自检指令，并在所述家用电器接收到自检指令时启动所述家用电器的自检功能，以获取所述家用电器的运行参数。

4.根据权利要求1所述的预判家用电器故障的方法，其特征在于，所述根据所述误差值调用所述家用电器的知识库，以获取所述家用电器的异常部件信息，包括：

调用所述家用电器的知识库中的异常部件关系对照表；

将所述误差值与所述异常部件关系对照表进行匹配；

如果匹配成功，则获取相应的异常部件信息。

5.一种预判家用电器故障的装置，其特征在于，所述家用电器包括空调器，所述空调器包括室内机壳体，所述室内机壳体围成有进风口和出风口，以及连通进风口和出风口的风道，在所述风道中设置有风机和室内换热器，所述装置包括：

第一获取模块，所述第一获取模块用于在家用电器上电后，获取所述家用电器的运行参数，其中，所述运行参数包括第一运行参数和第二运行参数；

第一计算模块，所述第一计算模块用于根据所述第一运行参数和预设的趋势特征算法方程计算所述家用电器的理论运行参数，其中，所述第一计算模块，具体用于：

根据所述第一运行参数确和所述第二运行参数定所述预设的趋势特征算法方程；

以及

将所述第一运行参数代入所述预设的趋势特征算法方程，以获得所述家用电器的理论运行参数；

第二计算模块，所述第二计算模块用于根据预设的计算误差方式、所述理论运行参数和所述第二运行参数计算所述家用电器的误差值，并判断所述误差值是否在预设的正常范围内；

第二获取模块，所述第二获取模块用于当所述误差值不在所述预设的正常范围内时，根据所述误差值调用所述家用电器的知识库，以获取所述家用电器的异常部件信息；以及

生成模块，所述生成模块用于根据所述异常部件信息生成预警信息并发送。

6.根据权利要求5所述的预判家用电器故障的装置，其特征在于，其中，所述预设的趋势特征算法方程、所述预设的计算误差方式和所述预设的正常范围均存储在所述知识库中。

7.根据权利要求5所述的预判家用电器故障的装置，其特征在于，所述第一获取模块，还用于：

在家用电器上电后，判断所述家用电器是否接收到自检指令，并在所述家用电器接收到自检指令时启动所述家用电器的自检功能，以获取所述家用电器的运行参数。

8.根据权利要求5所述的预判家用电器故障的装置，其特征在于，所述第二获取模块，具体用于：

当所述误差值不在所述预设的正常范围内时，调用所述家用电器的知识库中的异常部件关系对照表；

将所述误差值与所述异常部件关系对照表进行匹配；

如果匹配成功，则获取相应的异常部件信息。

9.一种家用电器，其特征在于，包括如权利要求5-8中任一项所述的预判家用电器故障的装置。