CN108388227A - 空调远程故障诊断方法及系统 - Google Patents
空调远程故障诊断方法及系统 Download PDFInfo
- Publication number
- CN108388227A CN108388227A CN201810089741.XA CN201810089741A CN108388227A CN 108388227 A CN108388227 A CN 108388227A CN 201810089741 A CN201810089741 A CN 201810089741A CN 108388227 A CN108388227 A CN 108388227A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- air
- conditioning
- failure
- 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
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调远程故障诊断方法,包括以下步骤:对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留故障数据;将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行分类,形成多个故障类型数据块;通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。本发明可以实时在线监测空调状态信息,及时发现空调故障,并可以查看历史数据,通知用户以及维修人员;本发明还可以保存历史数据,通过大量数据分析诊断空调故障,根据数据分析结果提早发现故障隐患,能及时通知维修人员对空调进行维修。
Description
技术领域
本发明涉及空调运维技术领域,尤其涉及了一种空调远程故障诊断方法及系统。
背景技术
现有的空调出现故障,都是维修人员上门先用专业设备对空调进行检测,而且必须到达现场接入检测设备才能诊断空调的故障,这样的操作,不仅很受限制,而且会影响提前发现故障的诸多流程,不仅历史运行参数不能及时捕捉,而且不能很方便的检查到故障存在的地方,这样对空调故障的提前发现和预防存在很大的缺陷,并且不能查看以前的运行数据,而且在检测时,大部分的设备会暴露硬件调试接口,容易被黑客利用,不能保证数据的安全。
发明内容
本发明针对现有技术中的缺点,提供了一种空调远程故障诊断方法及系统。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
本发明公开了:
一种空调远程故障诊断方法,包括以下步骤:
对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留空调的相关数据、空调的故障相关数据和空调的开关机状态信息,将保留的所有数据记作故障数据;
将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块;
通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。
作为一种可实施方式,所述空调的相关数据包括空调所在地区编号、用户编号、空调厂家编号和空调序号;所述故障相关数据包括空调待测部件的故障数据、工作状态和故障发生时间;所述空调待测部件的故障数据包括空调室内机故障数据、空调室外机故障数据和系统故障数据。
作为一种可实施方式,所述将故障数据按数据类型进行保存,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块,具体步骤为:
将空调所在地区编号、用户编号、空调厂家编号和空调序号以及空调待测部件的故障数据、工作状态和故障发生时间进行分类,得到三个数据层,分别记作地区层、编号层和故障类型层,所述地区层中的数据包括地区编号,编号层中的数据包括用户编号、空调厂家编号和空调序号,故障类型层中的数据包括空调待测部件数据、工作状态和故障发生时间;
根据故障类型层中的空调待测部件数据将故障类型层分成三个故障类型数据块,分别为包括空调室内机故障数据块、空调室外机故障数据块和系统故障数据块。
作为一种可实施方式,所述通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果的具体步骤为:
根据故障类型层中的空调待测部件数据、工作状态和故障发生时间建立诊断坐标系;
在诊断坐标系中选择第一工作状态和/或第一故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第一故障结果;在诊断坐标系中选择第二工作状态和/或第二故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第二故障结果,将第一故障结果和第二故障结果进行对比,得到诊断结果。
作为一种可实施方式,还包括以下步骤:
将诊断结果进行推送;
对推送的诊断结果进行显示并且根据显示的诊断结果做出相应指令。
本发明还披露了:
一种空调远程故障诊断系统,包括数据处理模块、数据分类模块和故障诊断模块;
所述数据处理模块,用于对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留空调的相关数据、空调的故障相关数据和空调的开关机状态信息,将保留的所有数据记作故障数据;
所述数据分类模块,用于将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块;
所述故障诊断模块,用于通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。
作为一种可实施方式,所述数据处理模块被设置为:所述空调的相关数据包括空调所在地区编号、用户编号、空调厂家编号和空调序号;所述故障相关数据包括空调待测部件的故障数据、工作状态和故障发生时间;所述空调待测部件的故障数据包括空调室内机故障数据、空调室外机故障数据和系统故障数据。
作为一种可实施方式,所述数据分类模块包括数据初分类单元和数据再分类单元;
所述数据初分类单元,用于将空调所在地区编号、用户编号、空调厂家编号和空调序号以及空调待测部件的故障数据、工作状态和故障发生时间进行分类,得到三个数据层,分别记作地区层、编号层和故障类型层,所述地区层中的数据包括地区编号,编号层中的数据包括用户编号、空调厂家编号和空调序号,故障类型层中的数据包括空调待测部件数据、工作状态和故障发生时间;
所述数据再分类单元,用于根据故障类型层中的空调待测部件数据将故障类型层分成三个故障类型数据块,分别为包括空调室内机故障数据块、空调室外机故障数据块和系统故障数据块。
作为一种可实施方式,所述故障诊断模块包括坐标系建立单元和状态诊断单元;
所述坐标系建立单元,用于根据故障类型层中的空调待测部件数据、工作状态和故障发生时间建立诊断坐标系;
所述状态诊断单元,用于在诊断坐标系中选择第一工作状态和/或第一故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第一故障结果;在诊断坐标系中选择第二工作状态和/或第二故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第二故障结果,将第一故障结果和第二故障结果进行对比,得到诊断结果。
作为一种可实施方式,还包括结果推送模块和显示模块;
所述结果推送模块,用于将诊断结果进行推送;
所述显示模块,用于对推送的诊断结果进行显示并且根据显示的诊断结果做出相应指令。
本发明由于采用了以上技术方案,具有显著的技术效果:
本发明可以实时在线监测空调状态信息,及时发现空调故障,并可以查看历史数据,通知用户以及维修人员;依据本发明的方法,无需上门查看就可以实现对空调的诊断;本发明还可以保存历史数据,通过大量数据分析诊断空调故障,根据数据分析结果提早发现故障隐患,能及时通知维修人员对空调进行维修。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的整体流程示意图;
图2是本发明初步分类结果示意图;
图3是本发明再次分类结果示意图;
图4是本发明的整体结构示意图;
图5是本发明的故障分析图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
本发明公开了:
一种空调远程故障诊断方法,如图1所示,包括以下步骤:
S100、对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留空调的相关数据、空调的故障相关数据和空调的开关机状态信息,将保留的所有数据记作故障数据;
S200、将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块;
S300、通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。
本发明能实时在线监测空调状态信息,实时接收数据采集模块采集到故障相关数据,通过对这些数据的处理能及时发现空调故障,并可以查看历史数据,通知用户以及维修人员;依据本发明的方法,无需上门查看就可以实现对空调的诊断。本发明中,在步骤S100之前,还包括数据采集的步骤,数据采集模块采集故障数据和非故障相关数据,这些故障数据就是故障相关数据、空调的相关数据和空调待测部件的故障数据等,更具体地,本发明依赖于NBIOT通信模块将这些数据通过进行传输,于其他实施例中,也可以是其他通信模块,比如4G通信模块或者有线通信模块进行传输,都可以实现对这些数据的传输。
本发明重点在中央空调上使用,当然,可以使用在普通空调上。
在本实施例中,采集这些数据依赖于各类传感器和其他采集设备,比如,保护检测传感器、排水传感器、热敏传感器、过载检测传感器、风摆马达传感器、压力传感器及其他相应的传感器,这些传感器采集对应部位的数据信息,并将这些数据信息实时进行传输,传输之后供后续步骤使用。另外,其他设备采集的包括AC输入的数据信号、高压开关的信号、电子膨胀阀的数据信号等,所有的数据采集好都会经过通信模块传输至所述数据处理模块100中,数据处理模块100对所有数据进行处理。
更进一步地,在步骤S100中,所述空调的相关数据包括空调所在地区编号、用户编号、空调厂家编号和空调序号;所述故障相关数据包括空调待测部件的故障数据、工作状态和故障发生时间;所述空调待测部件的故障数据包括空调室内机故障数据、空调室外机故障数据和系统故障数据。
在本实施例中,将空调待测部件的故障数据进行了分类,分成空调室内机故障数据、空调室外机故障数据和系统故障数据,由于给空调整体安装的数据采集装置过多,如果不能明细分类的话,可能在后续处理数据时,会出现处理数据不明确的现象,比如说,可能空调室内机故障数据会被当作空调室外机故障数据,这样,后续判断空调故障时就会出现很大的偏差。
在步骤S200中,所述将故障数据按数据类型进行保存,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块,具体步骤为:
S210、将空调所在地区编号、用户编号、空调厂家编号和空调序号以及空调待测部件的故障数据、工作状态和故障发生时间进行分类,得到三个数据层,分别记作地区层、编号层和故障类型层,所述地区层中的数据包括地区编号,编号层中的数据包括用户编号、空调厂家编号和空调序号,故障类型层中的数据包括空调待测部件数据、工作状态和故障发生时间,具体结果参见图2所示;
S220、根据故障类型层中的空调待测部件数据将故障类型层分成三个故障类型数据块,分别为包括空调室内机故障数据块、空调室外机故障数据块和系统故障数据块,具体结果参见图3所示。
本实施例中,采用这种数据分类方式,在后续的比对或者检索时,不会出现问题,也不会出现数据混乱,为后续的比对或者检索节省时间,并且比对或者检索更加精准。
在步骤S300中,所述通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果的具体步骤为:
S310、根据故障类型层中的空调待测部件数据、工作状态和故障发生时间建立诊断坐标系;
S320、在诊断坐标系中选择第一工作状态和/或第一故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第一故障结果;在诊断坐标系中选择第二工作状态和/或第二故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第二故障结果,将第一故障结果和第二故障结果进行对比,得到诊断结果。
也就是说,三个故障类型数据块包括了空调室内机故障数据块、空调室外机故障数据块和系统故障数据块,这几个故障类型数据块根据诊断坐标系可以直接确立故障发生的位置,能明确的确定是三个故障类型数据块中的哪个故障数据块中的哪个空调待测部件的数据存在故障,能很明确并且快捷的确定故障,得到诊断结果。
参见图5,具体讲述步骤S300的详细过程,在诊断坐标系中,当其中一个故障数据出现时肯定不可以在第一时间确定该空调待测部件是否真正有故障,因为,一次出现不能代表有故障,而是需要在另一个工作状态和/或时间下进一步确认,至少两个工作状态和/或者时间下,才能判断该空调待测部件是否存在故障。
在本发明中,采用了以下4种判定方式:
故障确定=出现次数点≥2个连续开机工作时间段;或,
故障确定=出现1次故障并跟进一次自动关机状态;或,
推送预警=出现次数点≥2个非连续开机工作时间段;或,
不作处理=出现次数点≤1个开机工作时间段。
判定方式具体的解释:(1)一个故障数据在两个工作状态和/或时间下出现,则可以判定对应的空调待测部件出现故障;(2)一个故障数据在一个工作状态下和/或时间下出现,并且直接跟进的是一次自动关机,可以直接判定对应的空调待测部件出现故障;(3)假设出现的故障数据的次数不少于两个非连续开机工作时间段,那么就会进行推送工作;(4)如果出现的故障数据的次数不大于一个开机工作时间段,那么,可以不用做任何处理。
在本发明中,重点讲述了第一种判定方式,参见步骤S300的详细步骤。
参照附图5所示,在一个开机工作时间段内出现了“排水传感器异常”的故障数据,也就是说,排水传感器监测倒排水管有异常出现,在接着的下一个工作时间段中又出现该故障,因此可以判断空调的排水管存在故障,并将判定结果传递给推送模块进行推送。
还包括以下步骤:
S400、将诊断结果进行推送;
S500、对推送的诊断结果进行显示并且根据显示的诊断结果做出相应指令。
相应的指令为通知维修人员进行维修工作,由于采集到的数据都经过了保存,因为维修人员也可以查阅保存的历史数据。
本发明还公开了:
一种空调远程故障诊断系统,如图所示,包括数据处理模块100、数据分类模块200和故障诊断模块300;
所述数据处理模块100,用于对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留空调的相关数据、空调的故障相关数据和空调的开关机状态信息,将保留的所有数据记作故障数据;
所述数据分类模块200,用于将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块;
所述故障诊断模块300,用于通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。
更具体地,所述数据处理模块100被设置为:所述空调的相关数据包括空调所在地区编号、用户编号、空调厂家编号和空调序号;所述故障相关数据包括空调待测部件的故障数据、工作状态和故障发生时间;所述空调待测部件的故障数据包括空调室内机故障数据、空调室外机故障数据和系统故障数据。
更具体地,所述数据分类模块200包括数据初分类单元210和数据再分类单元220;
所述数据初分类单元210,用于将空调所在地区编号、用户编号、空调厂家编号和空调序号以及空调待测部件的故障数据、工作状态和故障发生时间进行分类,得到三个数据层,分别记作地区层、编号层和故障类型层,所述地区层中的数据包括地区编号,编号层中的数据包括用户编号、空调厂家编号和空调序号,故障类型层中的数据包括空调待测部件数据、工作状态和故障发生时间;
所述数据再分类单元220,用于根据故障类型层中的空调待测部件数据将故障类型层分成三个故障类型数据块,分别为包括空调室内机故障数据块、空调室外机故障数据块和系统故障数据块。
更具体地,所述故障诊断模块300包括坐标系建立单元310和状态诊断单元320;
所述坐标系建立单元310,用于根据故障类型层中的空调待测部件数据、工作状态和故障发生时间建立诊断坐标系;
所述状态诊断单元320,用于在诊断坐标系中选择第一工作状态和/或第一故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第一故障结果;在诊断坐标系中选择第二工作状态和/或第二故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第二故障结果,将第一故障结果和第二故障结果进行对比,得到诊断结果。
本实施例中,整个系统还包括结果推送模块400和显示模块500;
所述结果推送模块400,用于将诊断结果进行推送;
所述显示模块500,用于对推送的诊断结果进行显示并且根据显示的诊断结果做出相应指令。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是:
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种空调远程故障诊断方法,其特征在于包括以下步骤:
对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留空调的相关数据、空调的故障相关数据和空调的开关机状态信息,将保留的所有数据记作故障数据;
将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块;
通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。
2.根据权利要求1所述的空调远程故障诊断方法,其特征在于,所述空调的相关数据包括空调所在地区编号、用户编号、空调厂家编号和空调序号;所述故障相关数据包括空调待测部件的故障数据、工作状态和故障发生时间;所述空调待测部件的故障数据包括空调室内机故障数据、空调室外机故障数据和系统故障数据。
3.根据权利要求2所述的空调远程故障诊断方法,其特征在于,所述将故障数据按数据类型进行保存,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块,具体步骤为:
将空调所在地区编号、用户编号、空调厂家编号和空调序号以及空调待测部件的故障数据、工作状态和故障发生时间进行分类,得到三个数据层,分别记作地区层、编号层和故障类型层,所述地区层中的数据包括地区编号,编号层中的数据包括用户编号、空调厂家编号和空调序号,故障类型层中的数据包括空调待测部件数据、工作状态和故障发生时间;
根据故障类型层中的空调待测部件数据将故障类型层分成三个故障类型数据块,分别为包括空调室内机故障数据块、空调室外机故障数据块和系统故障数据块。
4.根据权利要求3所述的空调远程故障诊断方法,其特征在于,所述通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果的具体步骤为:
根据故障类型层中的空调待测部件数据、工作状态和故障发生时间建立诊断坐标系;
在诊断坐标系中选择第一工作状态和/或第一故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第一故障结果;在诊断坐标系中选择第二工作状态和/或第二故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第二故障结果,将第一故障结果和第二故障结果进行对比,得到诊断结果。
5.根据权利要求1-4任意一项所述的空调远程故障诊断方法,其特征在于,还包括以下步骤:
将诊断结果进行推送;
对推送的诊断结果进行显示并且根据显示的诊断结果做出相应指令。
6.一种空调远程故障诊断系统,其特征在于,包括数据处理模块、数据分类模块和故障诊断模块;
所述数据处理模块,用于对传输来的所有空调数据进行筛选处理,除去非故障相关数据,保留空调的相关数据、空调的故障相关数据和空调的开关机状态信息,将保留的所有数据记作故障数据;
所述数据分类模块,用于将故障数据按数据类型保存在故障数据库内,保存时对故障数据进行初步分类,形成多个数据层,再对含有故障相关数据的数据层进一步分类,形成多个故障类型数据块;
所述故障诊断模块,用于通过多个故障类型数据块中的数据建立诊断坐标系,诊断坐标系对故障数据库的故障相关数据进行检索,将含有故障相关数据的数据层中的数据映射到诊断坐标系中进行分析,得到诊断结果。
7.根据权利要求6所述的空调远程故障诊断系统,其特征在于,所述数据处理模块被设置为:所述空调的相关数据包括空调所在地区编号、用户编号、空调厂家编号和空调序号;所述故障相关数据包括空调待测部件的故障数据、工作状态和故障发生时间;所述空调待测部件的故障数据包括空调室内机故障数据、空调室外机故障数据和系统故障数据。
8.根据权利要求7所述的空调远程故障诊断系统,其特征在于,所述数据分类模块包括数据初分类单元和数据再分类单元;
所述数据初分类单元,用于将空调所在地区编号、用户编号、空调厂家编号和空调序号以及空调待测部件的故障数据、工作状态和故障发生时间进行分类,得到三个数据层,分别记作地区层、编号层和故障类型层,所述地区层中的数据包括地区编号,编号层中的数据包括用户编号、空调厂家编号和空调序号,故障类型层中的数据包括空调待测部件数据、工作状态和故障发生时间;
所述数据再分类单元,用于根据故障类型层中的空调待测部件数据将故障类型层分成三个故障类型数据块,分别为包括空调室内机故障数据块、空调室外机故障数据块和系统故障数据块。
9.根据权利要求8所述的空调远程故障诊断系统,其特征在于,所述故障诊断模块包括坐标系建立单元和状态诊断单元;
所述坐标系建立单元,用于根据故障类型层中的空调待测部件数据、工作状态和故障发生时间建立诊断坐标系;
所述状态诊断单元,用于在诊断坐标系中选择第一工作状态和/或第一故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第一故障结果;在诊断坐标系中选择第二工作状态和/或第二故障发生时间,通过诊断坐标系对故障数据库内的故障相关数据进行检索,找到相应故障类型层,再找到相应的故障类型数据块,将故障类型数据块中的数据映射到诊断坐标系中,得到第二故障结果,将第一故障结果和第二故障结果进行对比,得到诊断结果。
10.根据权利要求6-9任意一项所述的空调远程故障诊断系统,其特征在于,还包括结果推送模块和显示模块;
所述结果推送模块,用于将诊断结果进行推送;
所述显示模块,用于对推送的诊断结果进行显示并且根据显示的诊断结果做出相应指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810089741.XA CN108388227B (zh) | 2018-01-30 | 2018-01-30 | 空调远程故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810089741.XA CN108388227B (zh) | 2018-01-30 | 2018-01-30 | 空调远程故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108388227A true CN108388227A (zh) | 2018-08-10 |
CN108388227B CN108388227B (zh) | 2020-09-04 |
Family
ID=63074105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810089741.XA Active CN108388227B (zh) | 2018-01-30 | 2018-01-30 | 空调远程故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388227B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111319425A (zh) * | 2020-03-18 | 2020-06-23 | 郑州新基业汽车电子有限公司 | 一种电动汽车车载空调系统 |
CN111861221A (zh) * | 2020-07-22 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 设备故障信息的推送方法和装置、存储介质及电子装置 |
CN111846095A (zh) * | 2019-05-14 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种故障检测设备、电助力车及故障检测方法 |
CN114139733A (zh) * | 2021-10-27 | 2022-03-04 | 深圳市移动力量科技有限公司 | 智能公寓的设备管理方法、终端设备以及存储介质 |
CN116592470A (zh) * | 2023-07-18 | 2023-08-15 | 长沙柏汉电子科技股份有限公司 | 中央空调控制系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02208119A (ja) * | 1989-02-07 | 1990-08-17 | Nissan Shatai Co Ltd | 空調装置の故障診断表示装置 |
CN1967077A (zh) * | 2005-10-26 | 2007-05-23 | 韩国energy技术研究院 | 基于分类式规则的空调系统故障诊断方法 |
KR100749175B1 (ko) * | 2006-05-24 | 2007-08-14 | 한국에너지기술연구원 | 공조 시스템에서의 분류형 규칙기반 방식의 단일부위 고장검출 및 진단 방법과 이를 이용한 장치 |
CN105245600A (zh) * | 2015-10-15 | 2016-01-13 | 珠海格力电器股份有限公司 | 一种空调系统的机组数据上传方法和系统 |
CN105588285A (zh) * | 2016-01-21 | 2016-05-18 | 青岛工学院 | 一种基于自诊断管路堵塞方法的空调器 |
CN106056222A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于FP‑Tree序列模式挖掘的故障诊断与估价的方法 |
CN106335523A (zh) * | 2016-09-23 | 2017-01-18 | 中车南京浦镇车辆有限公司 | 一种车载设备状态远程采集与诊断处理方法 |
CN106382726A (zh) * | 2016-09-09 | 2017-02-08 | 深圳市共济科技股份有限公司 | 一种精密空调设备的故障定位方法及定位系统 |
CN107015486A (zh) * | 2017-04-20 | 2017-08-04 | 重庆大学 | 一种空调水系统调节阀故障智能诊断方法 |
-
2018
- 2018-01-30 CN CN201810089741.XA patent/CN108388227B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02208119A (ja) * | 1989-02-07 | 1990-08-17 | Nissan Shatai Co Ltd | 空調装置の故障診断表示装置 |
CN1967077A (zh) * | 2005-10-26 | 2007-05-23 | 韩国energy技术研究院 | 基于分类式规则的空调系统故障诊断方法 |
KR100749175B1 (ko) * | 2006-05-24 | 2007-08-14 | 한국에너지기술연구원 | 공조 시스템에서의 분류형 규칙기반 방식의 단일부위 고장검출 및 진단 방법과 이를 이용한 장치 |
CN105245600A (zh) * | 2015-10-15 | 2016-01-13 | 珠海格力电器股份有限公司 | 一种空调系统的机组数据上传方法和系统 |
CN105588285A (zh) * | 2016-01-21 | 2016-05-18 | 青岛工学院 | 一种基于自诊断管路堵塞方法的空调器 |
CN106056222A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于FP‑Tree序列模式挖掘的故障诊断与估价的方法 |
CN106382726A (zh) * | 2016-09-09 | 2017-02-08 | 深圳市共济科技股份有限公司 | 一种精密空调设备的故障定位方法及定位系统 |
CN106335523A (zh) * | 2016-09-23 | 2017-01-18 | 中车南京浦镇车辆有限公司 | 一种车载设备状态远程采集与诊断处理方法 |
CN107015486A (zh) * | 2017-04-20 | 2017-08-04 | 重庆大学 | 一种空调水系统调节阀故障智能诊断方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111846095A (zh) * | 2019-05-14 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种故障检测设备、电助力车及故障检测方法 |
CN111846095B (zh) * | 2019-05-14 | 2022-05-17 | 北京骑胜科技有限公司 | 一种故障检测设备、电助力车及故障检测方法 |
CN111319425A (zh) * | 2020-03-18 | 2020-06-23 | 郑州新基业汽车电子有限公司 | 一种电动汽车车载空调系统 |
CN111861221A (zh) * | 2020-07-22 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 设备故障信息的推送方法和装置、存储介质及电子装置 |
CN114139733A (zh) * | 2021-10-27 | 2022-03-04 | 深圳市移动力量科技有限公司 | 智能公寓的设备管理方法、终端设备以及存储介质 |
CN116592470A (zh) * | 2023-07-18 | 2023-08-15 | 长沙柏汉电子科技股份有限公司 | 中央空调控制系统 |
CN116592470B (zh) * | 2023-07-18 | 2023-10-10 | 长沙柏汉电子科技股份有限公司 | 中央空调控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108388227B (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388227A (zh) | 空调远程故障诊断方法及系统 | |
KR102073135B1 (ko) | 관리 대상 설비 이상 상태 모니터링 시스템 | |
US6816815B2 (en) | Preventive maintenance system of industrial machine | |
CN104101053B (zh) | 空调监控方法、装置和系统 | |
CN106382726A (zh) | 一种精密空调设备的故障定位方法及定位系统 | |
KR20200104362A (ko) | 차량 고장 경고 시스템 및 대응하는 차량 고장 경고 방법 | |
CN105116870B (zh) | 空调机组的故障分析方法、装置和系统 | |
CN106016578A (zh) | 空调故障检测处理方法、空调故障分析处理方法及系统 | |
CN104508576A (zh) | 工业工厂中的对象检验 | |
CN111754719A (zh) | 基于物联网和多种传感器融合的电缆消防联动系统及方法 | |
KR20220077404A (ko) | 근로자 안전을 위한 다단계 작업현장 안전 관제 방법 및 시스템 | |
CN112817814A (zh) | 异常监控方法、系统、存储介质及电子装置 | |
KR20200020047A (ko) | 차량내 iot 센서에 기반한 차량 통합 관제 시스템 | |
CN105190563A (zh) | 用于识别动力设备工作模式的方法和装置 | |
CN108230597A (zh) | 一种智能移动平台火灾预警系统及其方法 | |
CN110989604B (zh) | 利用机器人进行数据处理的方法、设备和机器人 | |
US10504631B2 (en) | Plant abnormality prediction detection system | |
JP2006293444A (ja) | 異常診断処置システム、異常診断処置方法及び異常診断処置装置 | |
KR20170122443A (ko) | 공간 관리 시스템 및 방법과 이를 수행하기 위한 모바일 기기 | |
CN110007171A (zh) | 变压器在线监测数据误报警的筛查方法及系统 | |
CN113553484A (zh) | 无线网络的指标数据的处理装置、方法及计算设备 | |
US20020194537A1 (en) | Diagnosis of fault conditions in embedded systems | |
KR20190127335A (ko) | Hmi시스템 | |
CN118158064B (zh) | 基于物联网数据采集的智能网关远程控制系统及方法 | |
CN112390102B (zh) | 电梯监视系统及电梯监视方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |