CN110749031B - 空调检测方法、装置和系统、存储介质及处理器 - Google Patents

Abstract

本发明公开了一种空调检测方法、装置和系统、存储介质及处理器。其中，该方法包括：接收目标设备发送的检测请求；获取空调中存储的异常数据，其中，异常数据至少包括如下之一：系统保护数据、故障数据；使用第一模型对异常数据进行分析，确定空调的检测结果，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果；发送检测结果至目标设备。本发明解决了相关技术中空调检测方法导致降低空调可靠性和用户体验感的技术问题。

Description

空调检测方法、装置和系统、存储介质及处理器

技术领域

本发明涉及空调领域，具体而言，涉及一种空调检测方法、装置和系统、存储介质及处理器。

背景技术

空调在使用一定年限后，其元器件可靠性必然有所下降，同时因为安装不到位等问题，也会影响其性能及使用寿命。为了保证空调可靠性，面临上述情况时，空调通常采取报系统保护或故障提醒，限制执行器动作的方式，例如压缩机排气过高，空调系统往往会报排气保护，并对压缩机进行限降频控制。空调频繁报系统保护或故障提醒，不仅影响空调可靠性，还影响用户体验，用户通常联系售后人员上门处理，售后人员往往通过更换相关故障元器件或更新空调程序解决上述问题。

但是，用户对自家空调的使用情况不了解，各厂家对空调故障类别各自加密，空调故障后，只能依托售后人员处理，用户并不能自行维护空调，从而导致降低用户使用体验，增加空调厂家的维修成本。

针对相关技术中空调检测方法导致降低空调可靠性和用户体验感的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种空调检测方法、装置和系统、存储介质及处理器，以至少解决相关技术中空调检测方法导致降低空调可靠性和用户体验感的技术问题。

根据本发明实施例的一个方面，提供了一种空调检测方法，包括：接收目标设备发送的检测请求；获取空调中存储的异常数据，其中，异常数据至少包括如下之一：系统保护数据、故障数据；使用第一模型对异常数据进行分析，确定空调的检测结果，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果；发送检测结果至目标设备。

进一步地，检测结果至少包括如下之一：评分值和异常原因。

进一步地，在发送检测结果至目标设备之后，上述方法还包括：接收目标设备发送的优化请求；发送异常数据至目标服务器，并接收目标服务器返回的优化数据，其中，目标服务器使用第二模型对异常数据进行分析，确定优化数据，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的优化数据；基于优化数据对空调进行优化。

进一步地，优化数据至少包括如下之一：升级程序、优化方案，其中，在优化数据包括：优化方案的情况下，在接收到优化数据之后，发送优化数据至目标设备。

进一步地，再次接收到目标设备发送的检测请求之后，上述方法还包括：判断空调是否已经优化成功；在空调已经优化成功的情况下，控制空调进入试运行模式，并获取此次运行过程中产生的新的异常数据；使用第一模型对新的异常数据进行分析，确定新的检测结果；发送新的检测结果至目标设备。

进一步地，在空调未优化成功的情况下，发送检测结果至目标设备。

进一步地，在基于优化数据对空调进行优化之后，发送提示信息至目标设备，其中，提示信息用于表征空调已经优化成功。

进一步地，系统保护数据包括：系统保护类型和对应的发生次数，故障数据包括：故障类型和对应的发生次数，其中，在空调发生系统保护的情况下，对系统保护类型进行存储，并增加系统保护类型对应的发生次数；在空调发生故障的情况下，对故障类型进行存储，并增加故障类型对应的发生次数。

进一步地，上述方法还包括：在接收到电源切断命令之后，控制系统保护数据和故障数据保持不变；在空调的硬件或软件升级成功之后，对系统保护数据和故障数据进行初始化。

进一步地，在空调发生系统保护或故障之后，发送异常数据至目标设备和目标服务器。

根据本发明实施例的另一方面，还提供了一种空调检测装置，包括：接收模块，用于接收目标设备发送的检测请求；获取模块，用于获取空调中存储的异常数据，其中，异常数据至少包括如下之一：系统保护数据、故障数据；分析模块，用于使用第一模型对异常数据进行分析，确定空调的检测结果，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果；发送模块，用于发送检测结果至目标设备。

根据本发明实施例的另一方面，还提供了一种空调检测系统，包括：目标设备，用于发送检测请求；空调内机，与目标设备连接，用于使用第一模型对空调中存储的异常数据进行分析，确定空调的检测结果，并发送检测结果至目标设备，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果，异常数据至少包括如下之一：系统保护数据、故障数据。

进一步地，目标设备还用于发送优化请求至空调内机；空调内机还用于发送异常数据；上述系统还包括：目标服务器，与空调内机连接，用于使用第二模型对异常数据进行分析，确定优化数据，并发送优化数据至空调内机，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的优化数据；空调内机还用于基于优化数据对空调进行优化。

根据本发明实施例的另一方面，还提供了一种储介质，存储介质包括存储的程序，其中，程序执行上述的空调检测方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述的空调检测方法。

在本发明实施例中，在接收到目标设备发送的检测请求之后，通过使用第一模型对空调运行过程中记录的异常数据进行分析，可以得到相应的检测结果，且该检测结果可以由目标设备显示。由于目标设备可以主动通过发送检测请求的方式控制空调进行检测，从而用户可以实时掌握空调的使用情况，并根据检测结果及时对空调进行处理，减少空调故障率，实现了提高空调元器件的可靠性，进一步提高空调使用寿命，提升用户体验感，减少售后成本的技术效果，进而解决了相关技术中空调检测方法导致降低空调可靠性和用户体验感的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种空调检测方法流程图；

图2a是根据本发明实施例的一种可选的检测操作界面的示意图；

图2b是根据本发明实施例的一种可选的结果显示界面的示意图；

图2c是根据本发明实施例的一种可选的优化后的结果显示界面的示意图；

图3是根据本发明实施例的一种可选的空调记录系统保护/故障数据的流程图；

图4是根据本发明实施例的一种可选的空调检测的流程图；

图5是根据本发明实施例的一种可选的空调检测的交互示意图；

图6是根据本发明实施例的一种可选的空调优化的交互示意图；

图7是根据本发明实施例的另一种可选的空调优化的交互示意图；

图8是根据本发明实施例的一种空调检测装置的示意图；

图9是根据本发明实施例的一种空调检测系统的示意图；以及

图10是根据本发明实施例的一种可选的空调检测系统的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种空调检测方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种空调检测方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，接收目标设备发送的检测请求。

具体地，上述的目标设备可以是用户使用的智能设备，例如，可以是手机、平板电脑、遥控器等。

可选地，空调包括空调内机和空调外机，由于空调外机通常放置在室外，因此，智能设备可以通过WIFI、蓝牙、红外等方式与空调内机连接，从而实现与空调的数据交互。

在一种可选的方案中，当用户需要对空调进行检测，确定空调状态时，用户可以将智能设备与空调内机连接，智能设备上安装有空调对应的应用程序，应用程序的操作界面如图2a所示。用户通过按压“开始体检”按钮生成检测请求，智能设备将检测请求发送至空调内机。

步骤S104，获取空调中存储的异常数据，其中，异常数据至少包括如下之一：系统保护数据、故障数据。

可选地，系统保护数据包括：系统保护类型和对应的发生次数，故障数据包括：故障类型和对应的发生次数。

在一种可选的方案中，空调接通电源后开始运行，空调检测自身运行状态，对系统保护/故障种类及次数等相关数据进行记录。例如，空调出现风量降低，性能下降，甚至出现频繁保护停机的情况。

步骤S106，使用第一模型对异常数据进行分析，确定空调的检测结果，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果。

可选地，检测结果至少包括如下之一：评分值和异常原因。

进一步地，为了更直观地给将空调的检测结果展示给用户，使用户确认空调异常对空调正常运行的影响程度，可以给出相应的评分值。评分值越高，表明空调越不存在异常，无需进行优化。

为了能准确根据异常数据确定异常原因和评分值，可以对空调进行异常实验，也即让空调在特定异常原因条件下运行，获取空调发生异常的异常数据，并通过人工标定相应的评分值，得到大量数据，作为神经网络模型的训练集，从而训练得到上述第一模型。

例如，针对空调出现风量降低，性能下降，甚至出现频繁保护停机的情况，通过第一模型进行分析，可以确定空调大概率过滤网/蒸发器发生脏堵，从而得到“过滤网脏堵”的异常原因，并给出相应评分值为74分。

步骤S108，发送检测结果至目标设备。

在一种可选的方案中，空调内机在体检完成之后，可以将评分值和异常原因发送至智能设备，并显示在应用程序的操作界面上，如图2b所示。

采用本发明上述实施例，在接收到目标设备发送的检测请求之后，通过使用第一模型对空调运行过程中记录的异常数据进行分析，可以得到相应的检测结果，且该检测结果可以由目标设备显示。由于目标设备可以主动通过发送检测请求的方式控制空调进行检测，从而用户可以实时掌握空调的使用情况，并根据检测结果及时对空调进行处理，减少空调故障率，实现了提高空调元器件的可靠性，进一步提高空调使用寿命，提升用户体验感，减少售后成本的技术效果，进而解决了相关技术中空调检测方法导致降低空调可靠性和用户体验感的技术问题。

可选地，本发明上述实施例中，在发送检测结果至目标设备之后，该方法还包括：接收目标设备发送的优化请求；发送异常数据至目标服务器，并接收目标服务器返回的优化数据，其中，目标服务器使用第二模型对异常数据进行分析，确定优化数据，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的优化数据；基于优化数据对空调进行优化。

可选地，优化数据至少包括如下之一：升级程序、优化方案。

具体地，上述的目标服务器可以是云服务器，目标服务器可以通过互联网与空调内机连接，实现与空调内机的数据交互。空调厂家可以通过与云服务器连接，获取到空调的异常数据，以提醒空调厂家及时处理。

在一种可选的方案中，当用户需要对空调进行优化时，用户可以通过在应用界面上进行操作，发送优化请求至空调内机。此时空调内机通过云端将用户的优化需求，及相应的异常数据传回空调厂家。厂家可以针对空调不同的异常原因，给出相应的优化建议(即上述的优化数据)并返回给空调内机。当优化建议为升级硬件或软件程序时，厂家可以将升级程序反馈给空调内机，对空调程序进行升级。当优化建议为具体优化方案时，用户可以根据具体优化方案对空调进行相应的优化。

为了能准确根据异常数据确定优化数据，可以对空调进行异常实验，也即让空调在特定异常原因条件下运行，获取空调发生异常的异常数据，并结合相应的优化建议，得到大量数据，作为神经网络模型的训练集，从而训练得到上述第二模型。

例如，针对空调出现风量降低，性能下降，甚至出现频繁保护停机的情况，通过第一模型进行分析，可以确定空调大概率过滤网/蒸发器发生脏堵，进一步给出“清洗空调过滤网”的指导意见。

可选地，本发明上述实施例中，在优化数据包括：优化方案的情况下，在接收到优化数据之后，发送优化数据至目标设备。

在一种可选的方案中，当优化建议为具体优化方案时，空调内机无法自行完成优化，可以将优化方案转发给智能设备，由用户根据具体优化方案对空调进行优化。如图2b所示，厂家给出的指导意见为“清洗空调过滤网”时，用户可以根据指导意见，对空调的过滤网进行清洗，以完成空调优化。从而实现用户自行维护空调的目的，提高空调使用寿命。

需要说明的是，每种异常原因和对应的优化建议可以作为一个待优化项目，在对所有待优化项目进行处理后，完成空调的优化过程。

可选地，本发明上述实施例中，再次接收到目标设备发送的检测请求之后，该方法还包括：判断空调是否已经优化成功；在空调已经优化成功的情况下，控制空调进入试运行模式，并获取此次运行过程中产生的新的异常数据；使用第一模型对新的异常数据进行分析，确定新的检测结果；发送新的检测结果至目标设备。

具体地，上述的试运行模式可以是一种重新评估空调状态的模式，在进入该模式之后，可以临时记录系统保护数据、故障数据。

在一种可选的方案中，每次用户发送检测请求之后，可以判断是否处理完待优化项目，如果是，则表明空调已经优化成功，如果否，则表明空调未优化成功。空调优化成功之后，空调进入试运行模式，此时临时记录系统保护及故障数据，重新评估空调当前状态，给出相应的评分值和异常原因。如图2c所示，在空调优化成功之后，相应的评分值变为99分，无需进行优化。

可选地，在空调未优化成功的情况下，发送检测结果至目标设备。

在一种可选的方案中，如果空调未优化成功，则异常原因和评分值不会发生变化，为了提高响应速度，避免计算资源浪费，可以直接将之前的异常原因和评分值反馈给智能设备进行显示。

可选地，本发明上述实施例中，在基于优化数据对空调进行优化之后，发送提示信息至目标设备，其中，提示信息用于表征空调已经优化成功。

在一种可选的方案中，对于升级硬件或软件程序的优化建议，由于空调自行完成优化，无需用户处理，为了方便用户确定空调是否完成优化，在空调优化完成之后，可以发送优化完成的消息给智能设备。

可选地，本发明上述实施例中，在空调发生系统保护的情况下，对系统保护类型进行存储，并增加系统保护类型对应的发生次数；在空调发生故障的情况下，对故障类型进行存储，并增加故障类型对应的发生次数。

在一种可选的方案中。空调接通电源后开始运行，空调检测故障程序实时检测空调发生的系统保护/故障，并记录系统保护/故障种类及其对应次数。

可选地，本发明上述实施例中，该方法还包括：在接收到电源切断命令之后，控制系统保护数据和故障数据保持不变；在空调的硬件或软件升级成功之后，对系统保护数据和故障数据进行初始化。

在一种可选的方案中，空调运行过程中，当输入电源切断命令，即空调关机或掉电情况发生时，空调检测故障程序仍保持预先存储的数据，空调重新开机时，程序继续存储系统保护及故障数据。当对空调程序进行升级，如对系统参数进行更新或售后人员更换空调元器件，空调检测故障程序执行初始化故障/系统保护数据。

可选地，本发明上述实施例中，在空调发生系统保护或故障之后，发送异常数据至目标设备和目标服务器。

在一种可选的方案中，空调内机可以将系统保护及故障数据通过云平台传回空调厂家，并直接发送给智能设备，从而厂家和用户可以及时处理，减小故障率。

下面结合图3至图7对本发明一种优选的实施例进行详细说明。如图3所示，空调接通电源后开始运行，存储发生的系统保护/故障种类及对应次数。当输入电源切断命令时，保持预先存储的数据不变，在空调重新开机后，继续累计数据。在软件/硬件升级之后，对存储的数据进行初始化。

如图4所示，用户可以通过智能设备对空调进行体检，空调体检后，由智能设备或空调给出体检评分，若未处理待优化相同，体检评分保持不变，若处理完待优化项目，空调进入试运行模式，此次临时记录系统保护/故障数据，重新评估空调当前状态，给出体检评分。

如图5至图7所示，用户可以通过智能设备直接与空调内机连接，空调厂家通过防火墙连接云端，并通过云端与空调内机连接。如图5所示，空调内机可以将系统保护/故障数据通过云平台传送回空调厂家。用户通过智能设备可以对空调运行状态发起检测需求，空调内机向智能设备执行反馈操作，显示目前空调的状态。如图6所示，用户可以通过智能设备对空调运行状态发起优化需求，空调内机将系统保护/故障数据传回空调厂家，厂家将升级程序通过云平台发送用户空调，并更新空调软件程序，空调内机向智能设备执行反馈操作，显示优化后的空调状态。如图7所示，用户可以通过智能设备对空调运行状态发起优化需求，空调内机将系统保护/故障数据传回空调厂家，厂家将建议方案通过云平台发送用户空调，待问题解决后，空调内机向智能设备执行反馈操作，显示优化后的空调状态。

通过上述方案，空调检测自身运行状态，对系统保护/故障种类及次数等相关数据进行记录，并将其传送至空调厂家及用户的智能设备上，提醒空调厂家及时处理，减小软/硬件故障率，用户也可了解已购买空调的使用情况；对空调进行体检，并以评分的方式展现给用户，可视性较强，并结合系统保护及故障数据给出一定优化意见，用户处理完“待优化项目”后，优化效果又同样以评分方式给出，用户根据指导意见，针对性维护自家空调，提高空调使用寿命，有利于提高用户体验及减少售后成本。

实施例2

根据本发明实施例，提供了一种空调检测装置。

可选地，该装置可以执行上述实施例1中的空调检测方法，该装置的优选实现方式与实施例1相同，在此不做赘述。

图8是根据本发明实施例的一种空调检测装置的示意图，如图8所示，该装置包括：

接收模块82，用于接收目标设备发送的检测请求。

获取模块84，用于获取空调中存储的异常数据，其中，异常数据至少包括如下之一：系统保护数据、故障数据。

分析模块86，用于使用第一模型对异常数据进行分析，确定空调的检测结果，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果。

发送模块88，用于发送检测结果至目标设备。

采用本发明上述实施例，在接收到目标设备发送的检测请求之后，通过使用第一模型对空调运行过程中记录的异常数据进行分析，可以得到相应的检测结果，且该检测结果可以由目标设备显示。由于目标设备可以主动通过发送检测请求的方式控制空调进行检测，从而用户可以实时掌握空调的使用情况，并根据检测结果及时对空调进行处理，减少空调故障率，实现了提高空调元器件的可靠性，进一步提高空调使用寿命，提升用户体验感，减少售后成本的技术效果，进而解决了相关技术中空调检测方法导致降低空调可靠性和用户体验感的技术问题。

可选地，本发明上述实施例中，接收模块还用于接收目标设备发送的优化请求；发送模块还用于发送异常数据至目标服务器，并接收目标服务器返回的优化数据，其中，目标服务器使用第二模型对异常数据进行分析，确定优化数据，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的优化数据；该装置还包括：优化模块，用于基于优化数据对空调进行优化。

可选地，本发明上述实施例中，在优化数据包括：优化方案的情况下，发送模块还用于在接收到优化数据之后，发送优化数据至目标设备。

可选地，本发明上述实施例中，接收模块还用于再次接收目标设备发送的检测请求，该装置还包括：判断模块，用于判断空调是否已经优化成功；控制模块，用于在空调已经优化成功的情况下，控制空调进入试运行模式，并获取此次运行过程中产生的新的异常数据；分析模块还用于使用第一模型对新的异常数据进行分析，确定新的检测结果；发送模块还用于发送新的检测结果至目标设备。

可选地，本发明上述实施例中，发送模块还用于在空调未优化成功的情况下，发送检测结果至目标设备。

可选地，本发明上述实施例中，发送模块还用于在基于优化数据对空调进行优化之后，发送提示信息至目标设备，其中，提示信息用于表征空调已经优化成功。

可选地，本发明上述实施例中，该装置还包括：第一存储模块，用于在空调发生系统保护的情况下，对系统保护类型进行存储，并增加系统保护类型对应的发生次数；第二存储模块，用于在空调发生故障的情况下，对故障类型进行存储，并增加故障类型对应的发生次数。

可选地，本发明上述实施例中，该装置还包括：控制模块，用于在接收到电源切断命令之后，控制系统保护数据和故障数据保持不变；初始化模块，用于在空调的硬件或软件升级成功之后，对系统保护数据和故障数据进行初始化。

可选地，本发明上述实施例中，发送模块还用于在空调发生系统保护或故障之后，发送异常数据至目标设备和目标服务器。

实施例3

根据本发明实施例，提供了一种空调检测系统。

可选地，该系统可以执行上述实施例1中的空调检测方法，该系统的优选实现方式与实施例1相同，在此不做赘述。

图9是根据本发明实施例的一种空调检测系统的示意图，如图9所示，该系统包括：目标设备92和空调内机94。

其中，目标设备用于发送检测请求；空调内机与目标设备连接，用于使用第一模型对空调中存储的异常数据进行分析，确定空调的检测结果，并发送检测结果至目标设备，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的检测结果，异常数据至少包括如下之一：系统保护数据、故障数据。

采用本发明上述实施例，在接收到目标设备发送的检测请求之后，通过使用第一模型对空调运行过程中记录的异常数据进行分析，可以得到相应的检测结果，且该检测结果可以由目标设备显示。由于目标设备可以主动通过发送检测请求的方式控制空调进行检测，从而用户可以实时掌握空调的使用情况，并根据检测结果及时对空调进行处理，减少空调故障率，实现了提高空调元器件的可靠性，进一步提高空调使用寿命，提升用户体验感，减少售后成本的技术效果，进而解决了相关技术中空调检测方法导致降低空调可靠性和用户体验感的技术问题。

可选地，本发明上述实施例中，如图10所示，该系统还包括：目标服务器100。

其中，目标设备还用于发送优化请求至空调内机；空调内机还用于发送异常数据；目标服务器与空调内机连接，用于使用第二模型对异常数据进行分析，确定优化数据，并发送优化数据至空调内机，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：异常数据及相应的优化数据；空调内机还用于基于优化数据对空调进行优化。

可选地，本发明上述实施例中，在优化数据包括：优化方案的情况下，空调内机还用于在接收到优化数据之后，发送优化数据至目标设备。

可选地，本发明上述实施例中，目标设备还用于再次发送检测请求；空调内机还用于判断空调是否已经优化成功，在空调已经优化成功的情况下，控制空调进入试运行模式，并获取此次运行过程中产生的新的异常数据，使用第一模型对新的异常数据进行分析，确定新的检测结果，并发送新的检测结果至目标设备。

可选地，本发明上述实施例中，空调内机还用于在空调未优化成功的情况下，发送检测结果至目标设备。

可选地，本发明上述实施例中，空调内机还用于在基于优化数据对空调进行优化之后，发送提示信息至目标设备，其中，提示信息用于表征空调已经优化成功。

可选地，本发明上述实施例中，空调内机还用于在空调发生系统保护的情况下，对系统保护类型进行存储，并增加系统保护类型对应的发生次数；在空调发生故障的情况下，对故障类型进行存储，并增加故障类型对应的发生次数。

可选地，本发明上述实施例中，空调内机还用于在接收到电源切断命令之后，控制系统保护数据和故障数据保持不变；在空调的硬件或软件升级成功之后，对系统保护数据和故障数据进行初始化。

可选地，本发明上述实施例中，空调内机还用于在空调发生系统保护或故障之后，发送异常数据至目标设备和目标服务器。

实施例4

根据本发明实施例，提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述实施例1中的空调检测方法。

实施例5

根据本发明实施例，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例1中的空调检测方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种空调检测方法，其特征在于，包括：

接收目标设备发送的检测请求，其中，所述目标设备是用户使用的设备；

获取空调中存储的异常数据，其中，所述异常数据至少包括如下之一：系统保护数据、故障数据；

使用第一模型对所述异常数据进行分析，确定所述空调的检测结果，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常数据及相应的检测结果；

发送所述检测结果至所述目标设备；

其中，再次接收到所述目标设备发送的检测请求之后，所述方法还包括：

判断所述空调是否已经优化成功；

在所述空调未优化成功的情况下，保持所述检测结果不变，并发送所述检测结果至所述目标设备；

判断所述空调是否已经优化成功包括：判断是否处理完待优化项目，其中，所述待优化项目包括：异常原因和所述异常原因对应的优化建议；

如果处理完所述待优化项目，则确定所述空调已经优化成功；

如果未处理完所述待优化项目，则确定所述空调未优化完成。

2.根据权利要求1所述的方法，其特征在于，所述检测结果至少包括如下之一：评分值和异常原因。

3.根据权利要求2所述的方法，其特征在于，在发送所述检测结果至所述目标设备之后，所述方法还包括：

接收所述目标设备发送的优化请求；

发送所述异常数据至目标服务器，并接收目标服务器返回的优化数据，其中，所述目标服务器使用第二模型对所述异常数据进行分析，确定所述优化数据，所述第二模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常数据及相应的优化数据；

基于所述优化数据对所述空调进行优化。

4.根据权利要求3所述的方法，其特征在于，所述优化数据至少包括如下之一：升级程序、优化方案，其中，在所述优化数据包括：优化方案的情况下，在接收到所述优化数据之后，发送所述优化数据至所述目标设备。

5.根据权利要求3所述的方法，其特征在于，再次接收到所述目标设备发送的检测请求之后，所述方法还包括：

判断所述空调是否已经优化成功；

在所述空调已经优化成功的情况下，控制所述空调进入试运行模式，并获取此次运行过程中产生的新的异常数据；

使用所述第一模型对所述新的异常数据进行分析，确定新的检测结果；

发送所述新的检测结果至所述目标设备。

6.根据权利要求3所述的方法，其特征在于，在基于所述优化数据对所述空调进行优化之后，发送提示信息至所述目标设备，其中，所述提示信息用于表征所述空调已经优化成功。

7.根据权利要求2所述的方法，其特征在于，所述系统保护数据包括：系统保护类型和对应的发生次数，所述故障数据包括：故障类型和对应的发生次数，其中，

在所述空调发生系统保护的情况下，对系统保护类型进行存储，并增加所述系统保护类型对应的发生次数；

在所述空调发生故障的情况下，对故障类型进行存储，并增加所述故障类型对应的发生次数。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

在接收到电源切断命令之后，控制所述系统保护数据和所述故障数据保持不变；

在所述空调的硬件或软件升级成功之后，对所述系统保护数据和所述故障数据进行初始化。

9.根据权利要求7所述的方法，其特征在于，在所述空调发生系统保护或故障之后，发送所述异常数据至所述目标设备和目标服务器。

10.一种空调检测装置，其特征在于，包括：

接收模块，用于接收目标设备发送的检测请求，其中，所述目标设备是用户使用的设备；

获取模块，用于获取空调中存储的异常数据，其中，所述异常数据至少包括如下之一：系统保护数据、故障数据；

分析模块，用于使用第一模型对所述异常数据进行分析，确定所述空调的检测结果，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常数据及相应的检测结果；

发送模块，用于发送所述检测结果至所述目标设备；

其中，所述接收模块还用于再次接收到所述目标设备发送的检测请求，所述装置还包括：

判断模块，用于判断所述空调是否已经优化成功；

所述发送模块还用于在所述空调未优化成功的情况下，保持所述检测结果不变，并发送所述检测结果至所述目标设备；

所述判断模块还用于判断是否处理完待优化项目，其中，所述待优化项目包括：异常原因和所述异常原因对应的优化建议；如果处理完所述待优化项目，则确定所述空调已经优化成功；如果未处理完所述待优化项目，则确定所述空调未优化完成。

11.一种空调检测系统，其特征在于，包括：

目标设备，用于发送检测请求，其中，所述目标设备是用户使用的设备；

空调内机，与所述目标设备连接，用于使用第一模型对空调中存储的异常数据进行分析，确定所述空调的检测结果，并发送所述检测结果至所述目标设备，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常数据及相应的检测结果，所述异常数据至少包括如下之一：系统保护数据、故障数据；

其中，所述目标设备还用于：再次发送检测请求；

所述空调内机还用于判断所述空调是否已经优化成功；在所述空调未优化成功的情况下，保持所述检测结果不变，并发送所述检测结果至所述目标设备；

所述空调内机还用于判断是否处理完待优化项目，其中，所述待优化项目包括：异常原因和所述异常原因对应的优化建议；如果处理完所述待优化项目，则确定所述空调已经优化成功；如果未处理完所述待优化项目，则确定所述空调未优化完成。

12.根据权利要求11所述的系统，其特征在于，

所述目标设备还用于发送优化请求；

所述空调内机还用于发送所述异常数据；

所述系统还包括：目标服务器，与所述空调内机连接，用于使用第二模型对所述异常数据进行分析，确定优化数据，并发送所述优化数据至所述空调内机，所述第二模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：异常数据及相应的优化数据；

所述空调内机还用于基于所述优化数据对所述空调进行优化。

13.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至9中任意一项所述的空调检测方法。

14.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的空调检测方法。

Images