CN110878983A - 空调故障的确定方法和装置 - Google Patents

空调故障的确定方法和装置 Download PDF

Info

Publication number
CN110878983A
CN110878983A CN201911019672.6A CN201911019672A CN110878983A CN 110878983 A CN110878983 A CN 110878983A CN 201911019672 A CN201911019672 A CN 201911019672A CN 110878983 A CN110878983 A CN 110878983A
Authority
CN
China
Prior art keywords
deviation
detected
air conditioning
value
variables
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
Application number
CN201911019672.6A
Other languages
English (en)
Other versions
CN110878983B (zh
Inventor
吴疆
张瑞
罗定鑫
王绍兴
刘昶
沈智广
李铮伟
裘舒年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Metro Group Co Ltd
Zhejiang Dunan Electro Mechanical Technology Co Ltd
Original Assignee
Guangzhou Metro Group Co Ltd
Zhejiang Dunan Electro Mechanical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Metro Group Co Ltd, Zhejiang Dunan Electro Mechanical Technology Co Ltd filed Critical Guangzhou Metro Group Co Ltd
Priority to CN201911019672.6A priority Critical patent/CN110878983B/zh
Publication of CN110878983A publication Critical patent/CN110878983A/zh
Application granted granted Critical
Publication of CN110878983B publication Critical patent/CN110878983B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/20—Heat-exchange fluid temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本申请公开了一种空调故障的确定方法和装置。该方法包括：确定空调系统的多个待检测变量之间的干扰关系；对空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，待检测变量与检测数值组一一对应，且各检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；依据多个待检测变量之间的干扰关系，依次对多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定空调系统是否出现故障。通过本申请，解决了相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。

Description

空调故障的确定方法和装置
技术领域
本申请涉及空调领域，具体而言，涉及一种空调故障的确定方法和装置。
背景技术
现有技术中，空调箱中往往安装有传感器，其中，传感器用于检测空调箱的运行参数，以便依据空调箱的运行参数对空调箱进行诊断处理。
但是，现有诊断技术存在准确性差、误报率高的技术问题。而针对上述相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题，目前尚未提出有效的解决方案。
发明内容
本申请提供一种空调故障的确定方法和装置，以解决相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。
根据本申请的一个方面，提供了一种空调故障的确定方法。该方法包括：确定空调系统的多个待检测变量之间的干扰关系；对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，所述待检测变量包括至少以下之一：空调箱混风温度、空调箱送风温度、空调箱回风温度。
可选的，依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，依据CUSUM算法对各所述偏差值数组进行计算处理，得到各偏差值数组的累计偏差，包括：依据Sj＝max(0,zj-k+Sj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的正累计偏差，其中，S为正累计偏差，z为偏差值，k为松弛系数，j表示j时刻；依据Tj＝min(0,zj+k+Tj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的负累计偏差，其中，T为负累计偏差。
可选的，所述待检测变量包括：空调箱混风温度、空调箱送风温度、空调箱回风温度，以及依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：判断空调箱混风温度对应的累计偏差是否满足第一预设条件，其中，若所述空调箱混风温度的累计偏差满足第一预设条件，则表示所述空调系统发生第一故障；若所述空调箱混风温度对应的累计偏差未满足所述第一预设条件，则判断空调箱送风温度对应的累计偏差是否满足第二预设条件，其中，若所述空调箱送风温度的累计偏差满足第二预设条件，则表示所述空调系统发生第二故障；若所述空调箱送风温度对应的累计偏差未满足第二预设条件，则判断空调箱回风温度对应的累计偏差是否满足第三预设条件，其中，若所述空调箱回风温度的累计偏差满足第三预设条件，则表示所述空调系统发生第三故障。
可选的，依据CUSUM算法对各所述偏差值数组进行计算处理，包括：对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组；采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
可选的，对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组，包括：依据
Figure BDA0002246783890000021
对各所述偏差值进行标准化处理，zj为j时刻的经过标准化处理的偏差值，xj为j时刻的偏差值，
Figure BDA0002246783890000022
为偏差值的均值，σ为偏差值的标准差。
可选的，所述方法还包括：获取偏差值的均值和偏差值的标准差，获取偏差值的均值和偏差值的标准差，包括：在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
根据本申请的另一方面，提供了一种空调故障的确定装置。该装置包括：确定单元，用于确定空调系统的多个待检测变量之间的干扰关系；检测单元，用于对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算单元，用于计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；判断单元，用于依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，所述待检测变量包括至少以下之一：空调箱混风温度、空调箱送风温度、空调箱回风温度。
可选的，所述判断单元，包括：第一计算模块，用于依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；判断模块，用于依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，所述第一计算模块，包括：第一计算子模块，用于依据Sj＝max(0,zj-k+Sj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的正累计偏差，其中，S为正累计偏差，z为偏差值，k为松弛系数，j表示j时刻；第二计算子模块，用于依据Tj＝min(0,zj+k+Tj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的负累计偏差，其中，T为负累计偏差。
可选的，所述待检测变量包括：空调箱混风温度、空调箱送风温度、空调箱回风温度，以及所述判断模块，包括：第一判断子模块，用于判断空调箱混风温度对应的累计偏差是否满足第一预设条件，其中，若所述空调箱混风温度的累计偏差满足第一预设条件，则表示所述空调系统发生第一故障；第二判断子模块，用于若所述空调箱混风温度对应的累计偏差未满足所述第一预设条件，则判断空调箱送风温度对应的累计偏差是否满足第二预设条件，其中，若所述空调箱送风温度的累计偏差满足第二预设条件，则表示所述空调系统发生第二故障；第三判断子模块，用于若所述空调箱送风温度对应的累计偏差未满足第二预设条件，则判断空调箱回风温度对应的累计偏差是否满足第三预设条件，其中，若所述空调箱回风温度的累计偏差满足第三预设条件，则表示所述空调系统发生第三故障。
可选的，所述第一计算模块，包括：第一处理子模块，用于对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组；第三计算子模块，用于采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
可选的，所述第一处理子模块，包括：第二处理子模块，用于依据
Figure BDA0002246783890000031
对各所述偏差值进行标准化处理，zj为j时刻的经过标准化处理的偏差值，xj为j时刻的偏差值，
Figure BDA0002246783890000041
为偏差值的均值，σ为偏差值的标准差。
可选的，所述装置还包括：获取单元，用于获取偏差值的均值和偏差值的标准差，其中，所述获取单元包括：检测模块，用于在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；第二计算模块，用于计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；第三计算模块，用于计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
通过本申请通过确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系；对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障，解决了相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。
也即，本申请通过确定多个待检测变量之间的干扰关系，并在诊断过程中增加了对多个待检测变量之间的干扰关系之间的分析，减少了待检测变量之间的物理相干关系对诊断准确性的干扰，提高了故障诊断方法的准确性的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的空调故障的确定方法的流程图一；
图2是根据本申请实施例提供的一种可选的干扰关系的示意图；
图3是根据本申请实施例提供的空调故障的确定方法的流程图二；
图4是根据本申请实施例提供的一种可选的判断流程的示意图；
图5是根据本申请实施例提供的空调故障的确定方法的流程图三；以及
图6是根据本申请实施例提供的空调故障的确定装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请的实施例。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。
实施例一：
根据本申请的实施例，提供了一种空调故障的确定方法。
图1是根据本申请实施例的空调故障的确定方法的流程图。如图1所示，该方法包括以下步骤：
步骤S102，确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系；
在一个可选的示例中，所述空调系统优选为：中央空调系统，例如，安装于大厦的中央空调，安装于地铁换乘处的中央空调。
在一个可选的示例中，所述待检测变量包括以下至少之一：空调箱混风温度、空调箱送风温度、空调箱回风温度。此外，所述待检测变量优选包括：空调箱混风温度、空调箱送风温度、空调箱回风温度。
可选的，确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系，可以通过如下方式得以实现：确定空调系统中所设置的多个传感器，其中，所述传感器所检测的变量为待检测变量；确定各待检测变量与空调系统中各部件的相关性；依据所述空调系统的运作原理和所述相关性，确定所述多个待检测变量之间的干扰关系。
举例说明：如图2所示，针对空调箱混风温度、空调箱送风温度、空调箱回风温度三种变量存在上下游关系，且上游的待检测变量会对下游的待检测变量产生影响。例如，若空调系统的混风箱发生漏风问题，此时，不仅仅空调箱混风温度会与设定值产生较大的偏离值，同时，空调箱送风温度和空调箱回风温度也会与其对应的设定值产生一定的偏离值。
步骤S104，对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值。
在一个可选的示例中，多个检测时刻可以依据预设频率排布。
例如：在空调系统的待检测阶段，依据预设频率对空调系统的多个待检测变量进行检测，得到各待检测变量所对应的检测数值组，其中，每个检测数值组中均包含依据预设频率所检测出的多个检测值。
步骤S106，计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组。
在一个可选的示例中，计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组，包括：确定个待检测变量的设定值；并计算各所述待检测变量的检测值与设定值之间的偏差量，得到各所述待检测变量对应的偏差值数组。
需要说明的是：设定值为待检测变量的预先设定的理论值。
举例说明：确定空调箱混风温度的设定值为a，此时，空调箱混风温度的检测数值组中包含：检测值1、检测值2、检测值3、以及检测值4；计算检测值1、检测值2、检测值3、检测值4分别于设定值a的偏差量，得到由多个偏差量所组成的偏差值数组，其中，该偏差值数组与空调箱混风温度对应。
需要说明的是：检测值与设定值之间的偏差值可以通过xi＝xm,i-xs,i进行计算，其中，xi为实际检测值与设定值的偏差量，xm,i为实际检测值，xs,i为设定值，i表示i时刻。
步骤S108，依据所述多个待检测变量的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
在一个可选的示例中，依据所述多个待检测变量的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障包括：判断空调箱混风温度对应的累计偏差是否满足第四预设条件，其中，若所述空调箱混风温度的累计偏差满足第四预设条件，则表示所述空调系统发生第一故障；若所述空调箱混风温度对应的累计偏差未满足所述第四预设条件，则判断空调箱送风温度对应的累计偏差是否满足第五预设条件，其中，若所述空调箱送风温度的累计偏差满足第五预设条件，则表示所述空调系统发生第二故障；若所述空调箱送风温度对应的累计偏差未满足第五预设条件，则判断空调箱回风温度对应的累计偏差是否满足第六预设条件，其中，若所述空调箱回风温度的累计偏差满足第六预设条件，则表示所述空调系统发生第三故障。
其中，第一故障可以为：混风箱漏风、混风箱新风阀故障、混风温度传感器漂移；第二故障可以为：盘管结垢、盘管控制器故障、盘管阀门故障、送风温度传感器漂移；第三故障可以为：回风温度传感器偏移。
本申请实施例一提供的空调故障的确定方法，通过确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系；对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障，解决了相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。
也即，本申请通过确定多个待检测变量之间的干扰关系，并在诊断过程中增加了对多个待检测变量之间的干扰关系之间的分析，减少了待检测变量之间的物理相干关系对诊断准确性的干扰，提高了故障诊断方法的准确性的技术效果。
实施例二：
根据本申请的实施例，提供了一种空调故障的确定方法。
图3是根据本申请实施例的空调故障的确定方法的流程图。如图3所示，该方法包括以下步骤：
步骤S102，确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系。
步骤S104，对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值。
步骤S106，计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组。
步骤S1081，依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
步骤S1082，依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
也即，在实施例一的基础上，步骤S108(依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障)通过如下步骤实现了：步骤S1081，依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；步骤S1082，依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
在一个可选的示例中，依据CUSUM算法对各所述偏差值数组进行计算处理，得到各偏差值数组的累计偏差，包括：依据Sj＝max(0,zj-k+Sj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的正累计偏差，其中，S为正累计偏差，z为偏差值，k为松弛系数，j表示j时刻；依据Tj＝min(0,zj+k+Tj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的负累计偏差，其中，T为负累计偏差。
需要说明的是：松弛系数k会影响累计偏差的增长速度，优选的，将偏差值z视为正态分布，将k定为3。
在一个可选的示例中，在所述待检测变量同时包括：空调箱混风温度、空调箱送风温度、空调箱回风温度的情况下，依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：判断空调箱混风温度对应的累计偏差是否满足第一预设条件，其中，若所述空调箱混风温度的累计偏差满足第一预设条件，则表示所述空调系统发生第一故障；若所述空调箱混风温度对应的累计偏差未满足所述第一预设条件，则判断空调箱送风温度对应的累计偏差是否满足第二预设条件，其中，若所述空调箱送风温度的累计偏差满足第二预设条件，则表示所述空调系统发生第二故障；若所述空调箱送风温度对应的累计偏差未满足第二预设条件，则判断空调箱回风温度对应的累计偏差是否满足第三预设条件，其中，若所述空调箱回风温度的累计偏差满足第三预设条件，则表示所述空调系统发生第三故障。
也即，依据所述多个待检测变量的干扰关系，逐一判断空调箱混风温度、空调箱送风温度、空调箱回风温度的累计偏差是否满足预设条件，假若某待检测变量的累计偏差不满足预设条件(超出了阈值范围)，则表明传感器测得的实际检测值与设定值之间的偏差过大，此时，该待检测变量对应的故障发生率较高。
举例说明：如图4所示，判断空调箱混风温度对应的正累计偏差是否大于25，负累计偏差是否大于-200；若是，则确定空调系统的混风温度变量偏差过大，若否，则判断空调箱送风温度对应的正累计偏差是否大于40，负累计偏差是否小于-40；若是，则确定空调系统的送风温度变量偏差过大，若否，则判断空调箱回风温度对应的正累计偏差是否大于30，负累计偏差是否小于-30；若是，则确定空调系统的回风温度变量偏差过大，若否，则结束计算流程。
本申请实施例一提供的空调故障的确定方法，通过确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系；对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差，解决了相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。
也即，本申请通过将诊断规则与统计类算法(CUSUM)相结合，使得本申请的空调故障的确定方法相比与其他故障诊断方法，具有更高的鲁棒性，对检测数据的要求也更低，进而便于广泛地应用于工程领域。
此外，本申请通过将诊断规则与统计类算法(CUSUM)相结合，使得本申请的空调故障的确定方法相比与其他故障诊断方法，能够诊断出更多的空调故障类型。
实施例三：
根据本申请的实施例，提供了一种空调故障的确定方法。
图5是根据本申请实施例的空调故障的确定方法的流程图。如图5所示，该方法包括以下步骤：
步骤S102，确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系。
步骤S104，对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值。
步骤S106，计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组。
步骤S1081a，对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组。
步骤S1081b，采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
步骤S1082，依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
也即，在实施例二的基础上，步骤S1081(依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差)通过如下步骤实现了：步骤S1081b，采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；步骤S1082，依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
在一个可选的示例中，可以依据公式
Figure BDA0002246783890000101
对各所述偏差值进行标准化处理，以得到标准化的所述偏差值数组，其中，zj为j时刻的经过标准化处理的偏差值，xj为j时刻的偏差值，
Figure BDA0002246783890000102
为偏差值的均值，σ为偏差值的标准差。
在一个可选的示例中，所述方法还包括：获取偏差值的均值和偏差值的标准差，获取偏差值的均值和偏差值的标准差，包括：在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
也即，上述偏差值的均值
Figure BDA0002246783890000103
和偏差值的标准差σ是依据空调系统处于正常状态下所测得的参考数值组计算而来。
具体的，在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
其中，偏差值的均值
Figure BDA0002246783890000104
的计算公式为：
Figure BDA0002246783890000105
偏差值的标准差σ的计算公式为：
Figure BDA0002246783890000111
n为参考值的总数，yi为i时刻的参考值。
本申请实施例三提供的空调故障的确定方法，通过确定空调系统的多个待检测变量，以及所述多个待检测变量之间的干扰关系；对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组；采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障，解决了相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。
也即，本申请考虑到了空调系统正常运行状态下，待检测变量与设定值也会存在误差，因此本申请以空调系统正常运行状态下的参考值作为分析基准来判断处于诊断阶段的空调系统是否存在问题，而该特征使本申请所公开的技术方案减少了诊断程序误报故障的可能性。
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。
实施例四：
本申请实施例还提供了一种空调故障的确定装置，需要说明的是，本申请实施例的空调故障的确定装置可以用于执行本申请实施例所提供的用于空调故障的确定方法。以下对本申请实施例提供的空调故障的确定装置进行介绍。
图6是根据本申请实施例的空调故障的确定装置的示意图。如图6所示，该装置包括：确定单元61、检测单元62、计算单元63和判断单元64。
确定单元61，用于确定空调系统的多个待检测变量之间的干扰关系；
检测单元62，用于对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；
计算单元63，用于计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；
判断单元64，用于依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，所述待检测变量包括至少以下之一：空调箱混风温度、空调箱送风温度、空调箱回风温度。
可选的，所述判断单元64，包括：第一计算模块，用于依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；判断模块，用于依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，所述第一计算模块，包括：第一计算子模块，用于依据Sj＝max(0,zj-k+Sj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的正累计偏差，其中，S为正累计偏差，z为偏差值，k为松弛系数，j表示j时刻；第二计算子模块，用于依据Tj＝min(0,zj+k+Tj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的负累计偏差，其中，T为负累计偏差。
可选的，所述待检测变量包括：空调箱混风温度、空调箱送风温度、空调箱回风温度，以及所述判断模块，包括：第一判断子模块，用于判断空调箱混风温度对应的累计偏差是否满足第一预设条件，其中，若所述空调箱混风温度的累计偏差满足第一预设条件，则表示所述空调系统发生第一故障；第二判断子模块，用于若所述空调箱混风温度对应的累计偏差未满足所述第一预设条件，则判断空调箱送风温度对应的累计偏差是否满足第二预设条件，其中，若所述空调箱送风温度的累计偏差满足第二预设条件，则表示所述空调系统发生第二故障；第三判断子模块，用于若所述空调箱送风温度对应的累计偏差未满足第二预设条件，则判断空调箱回风温度对应的累计偏差是否满足第三预设条件，其中，若所述空调箱回风温度的累计偏差满足第三预设条件，则表示所述空调系统发生第三故障。
可选的，所述第一计算模块，包括：第一处理子模块，用于对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组；第三计算子模块，用于采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
可选的，所述第一处理子模块，包括：第二处理子模块，用于依据
Figure BDA0002246783890000121
对各所述偏差值进行标准化处理，zj为j时刻的经过标准化处理的偏差值，xj为j时刻的偏差值，
Figure BDA0002246783890000122
为偏差值的均值，σ为偏差值的标准差。
可选的，所述装置还包括：获取单元，用于获取偏差值的均值和偏差值的标准差，其中，所述获取单元包括：检测模块，用于在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；第二计算模块，用于计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；第三计算模块，用于计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
本申请实施例提供的空调故障的确定装置，通过确定单元61确定空调系统的多个待检测变量之间的干扰关系；检测单元62对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算单元63计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；判断单元64依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障，解决了相关技术中空调箱的故障诊断方法存在准确性差、误报率高的技术问题。
也即，本申请通过确定多个待检测变量之间的干扰关系，并在诊断过程中增加了对多个待检测变量之间的干扰关系之间的分析，减少了待检测变量之间的物理相干关系对诊断准确性的干扰，提高了故障诊断方法的准确性的技术效果。
所述空调故障的确定装置包括处理器和存储器，上述确定单元61、检测单元62、计算单元63和判断单元64等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来待检测变量之间的物理相干关系对诊断准确性的干扰，以提高故障诊断方法的准确性。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述空调故障的确定方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述空调故障的确定方法。
本发明实施例提供了一种设备，设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的空调故障的确定方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：确定空调系统的多个待检测变量之间的干扰关系；对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，所述待检测变量包括至少以下之一：空调箱混风温度、空调箱送风温度、空调箱回风温度。
可选的，依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
可选的，依据CUSUM算法对各所述偏差值数组进行计算处理，得到各偏差值数组的累计偏差，包括：依据Sj＝max(0,zj-k+Sj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的正累计偏差，其中，S为正累计偏差，z为偏差值，k为松弛系数，j表示j时刻；依据Tj＝min(0,zj+k+Tj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的负累计偏差，其中，T为负累计偏差。
可选的，所述待检测变量包括：空调箱混风温度、空调箱送风温度、空调箱回风温度，以及依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：判断空调箱混风温度对应的累计偏差是否满足第一预设条件，其中，若所述空调箱混风温度的累计偏差满足第一预设条件，则表示所述空调系统发生第一故障；若所述空调箱混风温度对应的累计偏差未满足所述第一预设条件，则判断空调箱送风温度对应的累计偏差是否满足第二预设条件，其中，若所述空调箱送风温度的累计偏差满足第二预设条件，则表示所述空调系统发生第二故障；若所述空调箱送风温度对应的累计偏差未满足第二预设条件，则判断空调箱回风温度对应的累计偏差是否满足第三预设条件，其中，若所述空调箱回风温度的累计偏差满足第三预设条件，则表示所述空调系统发生第三故障。
可选的，依据CUSUM算法对各所述偏差值数组进行计算处理，包括：对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组；采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
可选的，对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组，包括：依据
Figure BDA0002246783890000151
对各所述偏差值进行标准化处理，zj为j时刻的经过标准化处理的偏差值，xj为j时刻的偏差值，
Figure BDA0002246783890000152
为偏差值的均值，σ为偏差值的标准差。
可选的，所述方法还包括：获取偏差值的均值和偏差值的标准差，获取偏差值的均值和偏差值的标准差，包括：在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种空调故障的确定方法，其特征在于，包括：
确定空调系统的多个待检测变量之间的干扰关系；
对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；
计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；
依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
2.根据权利要求1所述的方法，其特征在于，所述待检测变量包括至少以下之一：空调箱混风温度、空调箱送风温度、空调箱回风温度。
3.根据权利要求2所述的方法，其特征在于，依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：
依据CUSUM算法对各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差；
依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
4.根据权利要求3所述的方法，其特征在于，依据CUSUM算法对各所述偏差值数组进行计算处理，得到各偏差值数组的累计偏差，包括：
依据Sj＝max(0,zj-k+Sj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的正累计偏差，其中，S为正累计偏差，z为偏差值，k为松弛系数，j表示j时刻；
依据Tj＝min(0,zj+k+Tj-1)，对各所述偏差值数组进行计算，得到各所述偏差值数组的负累计偏差，其中，T为负累计偏差。
5.根据权利要求3所述的方法，其特征在于，所述待检测变量包括：空调箱混风温度、空调箱送风温度、空调箱回风温度，以及依据所述多个待检测变量的干扰关系，依次对多个待检测变量的累计偏差进行判断处理，并依据判断结果确定所述空调系统是否出现故障，包括：
判断空调箱混风温度对应的累计偏差是否满足第一预设条件，其中，若所述空调箱混风温度的累计偏差满足第一预设条件，则表示所述空调系统发生第一故障；
若所述空调箱混风温度对应的累计偏差未满足所述第一预设条件，则判断空调箱送风温度对应的累计偏差是否满足第二预设条件，其中，若所述空调箱送风温度的累计偏差满足第二预设条件，则表示所述空调系统发生第二故障；
若所述空调箱送风温度对应的累计偏差未满足第二预设条件，则判断空调箱回风温度对应的累计偏差是否满足第三预设条件，其中，若所述空调箱回风温度的累计偏差满足第三预设条件，则表示所述空调系统发生第三故障。
6.根据权利要求3中所述的方法，其特征在于，依据CUSUM算法对各所述偏差值数组进行计算处理，包括：
对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组；
采用CUSUM算法对标准化的各所述偏差值数组进行计算处理，得到各所述偏差值数组的累计偏差。
7.根据权利要求6所述的方法，其特征在于，对各所述偏差值进行标准化处理，得到标准化的所述偏差值数组，包括：
依据
Figure FDA0002246783880000021
对各所述偏差值进行标准化处理，
zj为j时刻的经过标准化处理的偏差值，xj为j时刻的偏差值，
Figure FDA0002246783880000022
为偏差值的均值，σ为偏差值的标准差。
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：获取偏差值的均值和偏差值的标准差，获取偏差值的均值和偏差值的标准差，包括：
在空调系统处于正常状态下，对所述空调系统的所述待检测变量进行检测，得到多个参考数值组，其中，所述待检测变量与所述参考数值组一一对应，且各参考数值组中包含多个检测时刻所检测的参考值；
计算所述参考值与所述设定值之间的差值，以确定每个待检测变量所对应的参考差值组；
计算各所述待检测变量的参考差值组的均值和标准差，得到所述偏差值的均值和所述偏差值的标准差。
9.一种空调故障的确定装置，其特征在于，包括：
确定单元，用于确定空调系统的多个待检测变量之间的干扰关系；
检测单元，用于对所述空调系统的多个待检测变量进行检测，得到多个检测数值组，其中，所述待检测变量与所述检测数值组一一对应，且各所述检测数值组中包含多个检测时刻所检测的检测值；
计算单元，用于计算各检测值与设定值之间的偏差值，得到对应的多个偏差值数组；
判断单元，用于依据所述多个待检测变量之间的干扰关系，依次对所述多个待检测变量的偏差值数组进行判断处理，并依据判断结果确定所述空调系统是否出现故障。
10.一种存储介质，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8中任意一项所述的空调故障的确定方法。
11.一种设备，其特征在于，所述设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行权利要求1至8中任意一项所述的空调故障的确定方法。
CN201911019672.6A 2019-10-24 2019-10-24 空调故障的确定方法和装置 Active CN110878983B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911019672.6A CN110878983B (zh) 2019-10-24 2019-10-24 空调故障的确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911019672.6A CN110878983B (zh) 2019-10-24 2019-10-24 空调故障的确定方法和装置

Publications (2)

Publication Number Publication Date
CN110878983A true CN110878983A (zh) 2020-03-13
CN110878983B CN110878983B (zh) 2021-06-11

Family

ID=69727948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911019672.6A Active CN110878983B (zh) 2019-10-24 2019-10-24 空调故障的确定方法和装置

Country Status (1)

Country Link
CN (1) CN110878983B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111442501A (zh) * 2020-03-30 2020-07-24 广东美的制冷设备有限公司 空气调节设备及其控制方法与装置
CN113933025A (zh) * 2021-09-09 2022-01-14 深圳市富瑞精密制品有限公司 显示基板检测设备的机差补使方法及装置、检测设备
CN115013936A (zh) * 2022-06-30 2022-09-06 深圳市英维克信息技术有限公司 空调设备的故障检测方法、检测装置和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106871389A (zh) * 2017-04-19 2017-06-20 河南工业大学 变风量空气处理机组主动式故障诊断方法
CN108332390A (zh) * 2017-12-19 2018-07-27 青岛海尔空调器有限总公司 一种空调器控制方法和空调器
CN108469097A (zh) * 2018-02-28 2018-08-31 浙江大学 一种主动式变风量送风系统末端故障检测与诊断方法
CN109376778A (zh) * 2018-10-09 2019-02-22 宁波大学 一种基于特征变量加权的故障分类诊断方法
CN109612024A (zh) * 2018-11-14 2019-04-12 浙江大学 一种空气处理机组主动式故障检测与诊断的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106871389A (zh) * 2017-04-19 2017-06-20 河南工业大学 变风量空气处理机组主动式故障诊断方法
CN108332390A (zh) * 2017-12-19 2018-07-27 青岛海尔空调器有限总公司 一种空调器控制方法和空调器
CN108469097A (zh) * 2018-02-28 2018-08-31 浙江大学 一种主动式变风量送风系统末端故障检测与诊断方法
CN109376778A (zh) * 2018-10-09 2019-02-22 宁波大学 一种基于特征变量加权的故障分类诊断方法
CN109612024A (zh) * 2018-11-14 2019-04-12 浙江大学 一种空气处理机组主动式故障检测与诊断的方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111442501A (zh) * 2020-03-30 2020-07-24 广东美的制冷设备有限公司 空气调节设备及其控制方法与装置
CN111442501B (zh) * 2020-03-30 2022-09-13 广东美的制冷设备有限公司 空气调节设备及其控制方法与装置
CN113933025A (zh) * 2021-09-09 2022-01-14 深圳市富瑞精密制品有限公司 显示基板检测设备的机差补使方法及装置、检测设备
CN115013936A (zh) * 2022-06-30 2022-09-06 深圳市英维克信息技术有限公司 空调设备的故障检测方法、检测装置和存储介质

Also Published As

Publication number Publication date
CN110878983B (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN110878983B (zh) 空调故障的确定方法和装置
Guo et al. Find: faulty node detection for wireless sensor networks
CN109641602A (zh) 异常检测设备、异常检测方法和非临时性计算机可读介质
Chen et al. Cyber-physical systems: Dynamic sensor attacks and strong observability
JP2006105142A (ja) 装置の障害検出方法および障害検出／切離しシステム
CN104763665A (zh) 网络设备的风扇故障检测方法及装置
US10578667B2 (en) Methods and systems for detecting, classifying and/or mitigating sensor error
CN111291783A (zh) 一种燃气调压设备的智能化故障诊断方法、系统、终端及存储介质
EP3690658B1 (en) Method for detecting repair-necessary motherboards and device using the method
CN117056864A (zh) 一种管道漏损预警方法及系统
CN116994418B (zh) 管道安全预警方法及系统
CN114387762A (zh) 一种楼宇数据管理的方法、装置、设备及存储介质
CN111679657A (zh) 一种基于工控设备信号的攻击检测方法及系统
Sarrate et al. Clustering techniques applied to sensor placement for leak detection and location in water distribution networks
WO2022242231A1 (zh) 用于检测室内温度的方法、装置和智能空调
WO2022247333A1 (zh) 用于检测室内温度的方法, 装置和智能空调
Calikus et al. Ranking abnormal substations by power signature dispersion
Chabane et al. Sensor fault detection and diagnosis using zonotopic set-membership estimation
WO2022227523A1 (zh) 用于检测室内温度的方法、装置和智能空调
Blesa et al. Robustness analysis of sensor placement for leak detection and location under uncertain operating conditions
CN113551156B (zh) 基于深度学习的管道状态监测方法、装置及存储介质
CN112684300B (zh) 一种利用双向监测信息的主动配电网故障诊断方法及装置
CN117454563A (zh) 基于风险频率的泄漏探测覆盖率检测方法及装置
KR20090112892A (ko) 반도체식 가스센서의 고장진단장치 및 방법
CN114153831A (zh) 电力微气象监测数据的标准化转换方法及系统

Legal Events

Date Code Title Description
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