CN111156655A - 一种空调主控板故障自检测方法及空调 - Google Patents
一种空调主控板故障自检测方法及空调 Download PDFInfo
- Publication number
- CN111156655A CN111156655A CN201911343841.1A CN201911343841A CN111156655A CN 111156655 A CN111156655 A CN 111156655A CN 201911343841 A CN201911343841 A CN 201911343841A CN 111156655 A CN111156655 A CN 111156655A
- Authority
- CN
- China
- Prior art keywords
- main control
- image
- air conditioner
- control board
- working
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 17
- 239000003570 air Substances 0.000 description 36
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- F24F11/30—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
- F24F11/88—Electrical aspects, e.g. circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调技术领域,具体涉及一种空调主控板故障自检测方法及空调,空调主控板故障自检测方法是在空调的主控板上方设置红外摄像头,采集不同工作时刻主控板的热源图像,并将采集到的热源图像进行处理后存储,将后一次工作时刻处理后的图像进行仿射变换后,与前一次工作时刻处理后的图像做差分运算,通过差分灰度图像与预设灰度阈值的对比判断主控板是否存在故障。本发明可采集主控板不同工作时刻的红外热源图像,通过灰度化、去噪、特征点提取后存储相应的数据,并将后一工作时刻的图像数据进行仿射修正后与前一工作时刻的图像数据进行差分运算,得到差分灰度图像以进行故障自检测,检测精度高,减少了人工的使用,降低了成本。
Description
技术领域
本发明涉及空调技术领域,具体涉及一种空调主控板故障自检测方法及空调。
背景技术
空调即空气调节器(Air Conditioner),是指用人工手段,对建筑或构筑物内环境空气的温度、湿度、流速等参数进行调节和控制的设备。一般包括冷源/热源设备,冷热介质输配系统,末端装置等几大部分和其他辅助设备。主要包括,制冷主机、水泵、风机和管路系统。末端装置则负责利用输配来的冷热量,具体处理空气状态,使目标环境的空气参数达到要求。虽然现在空调的技术已经较为成熟,但是在空调的使用过程中,尤其是使用时间长了以后,空调的主控板上的元器件可能会出现异常状况,如果发生的异常不会严重到导致停机的状况出现,则空调会继续以这样的工况继续运行,在元器件异常的情况下继续运行,可能会使元器件的异常状况更加严重,甚至导致空调主控板损坏、漏电起火等险情出现。
发明内容
为了解决上述问题,本发明提供了一种空调主控板故障自检测方法,以及一种应用前述空调主控板故障自检测方法的空调。
本发明采用如下方案实现:
一种空调主控板故障自检测方法,在空调的主控板上方设置红外摄像头,在空调运行过程中,采集不同工作时刻主控板的热源图像,并将采集到的热源图像进行处理后存储,将空调主控板在前一次工作时刻与后一次工作时刻的图像数据进行特征点匹配处理,根据特征点对得到两图像间的仿射变换模型,将后一次工作时刻处理后的图像通过仿射变换模型进行仿射变换后,再与前一次工作时刻处理后的图像做差分运算,得到差分灰度图像,通过差分灰度图像与预设灰度阈值的对比判断主控板是否存在故障。
进一步的,采集不同工作时刻主控板的热源图像是指:设置多个固定的工作时刻,在每一个工作时刻采集主控板的热源图像,相邻工作时刻之间的时间间隔Δt相等。
进一步的,空调主控板故障自检测方法包括以下详细步骤:
步骤1,空调开始运行,设置多个工作时刻t;
步骤2,在到达每一个工作时刻t时采集主控板的热源图像;
步骤3,设相邻两个工作时刻为前一次工作时刻tn-1和后一次工作时刻tn,将前一次工作时刻tn-1采集的热源图像和后一次工作时刻tn采集的热源图像分别进行处理;
步骤4,将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像分别存储在主控板不同的数据区;
步骤5,将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像进行特征点匹配处理,建立仿射变换模型;
步骤6,将后一次工作时刻tn处理后的图像通过仿射变换模型进行仿射变换,得到后一次工作时刻tn的仿射修正图像;
进一步的,所述步骤3中热源图像处理包括灰度化、去噪、特征点提取,得到去噪后的主控板灰度图像、去噪后的红外热源图像、特征点数据。
进一步的,所述步骤5中将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像进行特征点匹配处理,是指将前一次工作时刻tn-1去噪后的红外热源图像与后一次工作时刻tn去噪后的红外热源图像进行特征点匹配处理。
进一步的,所述步骤6将后一次工作时刻tn处理后的图像通过仿射变换模型进行仿射变换,是指将后一次工作时刻tn去噪后的主控板灰度图像通过仿射变换模型进行仿射变换。
进一步的,所述步骤7中将步骤6中后一次工作时刻tn的仿射修正图像与前一次工作时刻tn-1处理后的图像作差分运算,是指后一次工作时刻tn的仿射修正图像与前一次工作时刻tn-1去噪后的主控板灰度图像作差分运算。
进一步的,所述步骤8中,判断主控板存在故障后,则记录发生故障的二维空间位置,得到位置集,并将位置集发送给用户。
一种空调,应用前述的空调主控板故障自检测方法。
对比现有技术,本发明具有以下有益效果:
本发明在空调主控板的上方设置了红外摄像头,可采集主控板不同工作时刻的红外热源图像,通过灰度化、去噪、特征点提取后存储相应的数据,并将后一工作时刻的图像数据进行仿射修正后与前一工作时刻的图像数据进行差分运算,得到差分灰度图像以进行故障自检测,整个自检过程实现了自动化,检测精度高,减少了人工的使用,降低了成本。另一方面,本发明在检测到故障后还可将故障位置发送给用户,便于后续的故障检查和维修。
附图说明
图1为本发明提供的一种空调主控板故障自检测方法的流程图。
具体实施方式
为便于本领域技术人员理解本发明,下面将结合具体实施例和附图对本发明作进一步详细描述。
参照图1,本发明提供的一种空调主控板故障自检测方法,在空调的主控板上方设置红外摄像头,在空调运行过程中,采集不同工作时刻主控板的热源图像,并将采集到的热源图像进行处理后存储,将空调主控板在前一次工作时刻与后一次工作时刻的图像数据进行特征点匹配处理,根据特征点对得到两图像间的仿射变换模型,将后一次工作时刻处理后的图像通过仿射变换模型进行仿射变换后,再与前一次工作时刻处理后的图像做差分运算,得到差分灰度图像,通过差分灰度图像与预设灰度阈值的对比判断主控板是否存在故障。
采集不同工作时刻主控板的热源图像是指:设置多个固定的工作时刻,在每一个工作时刻采集主控板的热源图像,相邻工作时刻之间的时间间隔Δt相等。Δt为设定的一个常数,如果需要在一天内增大自检次数,就将Δt设置为更小的值,
空调主控板故障自检测方法包括以下详细步骤:
步骤1,空调开始运行,设置多个工作时刻t(也即在一天内设置多个工作时刻,相邻工作时刻之间的间隔可根据具体需求设置,比如间隔一小时、间隔两小时等);
步骤2,在到达每一个工作时刻t时采集主控板的热源图像;
步骤3,设相邻两个工作时刻为前一次工作时刻tn-1和后一次工作时刻tn(tn -tn-1=Δt),将前一次工作时刻tn-1采集的热源图像和后一次工作时刻tn采集的热源图像分别进行处理;
步骤4,将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像分别存储在主控板不同的数据区;
步骤5,将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像进行特征点匹配处理,建立仿射变换模型;
步骤6,将后一次工作时刻tn处理后的图像通过仿射变换模型进行仿射变换,得到后一次工作时刻tn的仿射修正图像;
步骤8,将与预设的灰度阈值进行对比,当大于或等于预设的灰度阈值,则判断主控板存在故障,空调停机;当小于预设的灰度阈值时则判定主控板不存在故障,返回步骤2(即进行下一次自检,对比工作时刻tn和工作时刻tn+1,以此类推)。此处的灰度阈值是通过多次实验得出的判定主控板出现故障时的界限值。
所述步骤3中热源图像处理包括灰度化、去噪、特征点提取,得到去噪后的主控板灰度图像、去噪后的红外热源图像、特征点数据。
所述步骤5中将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像进行特征点匹配处理,是指将前一次工作时刻tn-1去噪后的红外热源图像与后一次工作时刻tn去噪后的红外热源图像进行特征点匹配处理。
所述步骤6将后一次工作时刻tn处理后的图像通过仿射变换模型进行仿射变换,是指将后一次工作时刻tn去噪后的主控板灰度图像 通过仿射变换模型进行仿射变换。
所述步骤7中将步骤6中后一次工作时刻tn的仿射修正图像与前一次工作时刻tn-1处理后的图像作差分运算,是指后一次工作时刻tn的仿射修正图像与前一次工作时刻tn-1去噪后的主控板灰度图像 作差分运算。
所述步骤8中,判断主控板存在故障后,则记录发生故障的二维空间位置,得到位置集,并将位置集发送给用户。在具体实施时,可开发定制的APP,并将APP安装在用户终端上(如手机、电脑等),便于用户在后续检查故障。
本发明还提供了一种空调,应用前述的空调主控板故障自检测方法。
本发明在空调主控板的上方设置了红外摄像头,可采集主控板不同工作时刻的红外热源图像,通过灰度化、去噪、特征点提取后存储相应的数据,并将后一工作时刻的图像数据进行仿射修正后与前一工作时刻的图像数据进行差分运算,得到差分灰度图像以进行故障自检测,整个自检过程实现了自动化,检测精度高,减少了人工的使用,降低了成本。另一方面,本发明在检测到故障后还可将故障位置发送给用户,便于后续的故障检查和维修。
在本发明的描述中,需要理解的是,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”等仅用于描述目的,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 “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。
虽然对本发明的描述是结合以上具体实施例进行的,但是,熟悉本技术领域的人员能够根据上述的内容进行许多替换、修改和变化,是显而易见的。因此,所有这样的替代、改进和变化都包括在附后的权利要求的范围内。
Claims (9)
1.一种空调主控板故障自检测方法,其特征在于,在空调的主控板上方设置红外摄像头,在空调运行过程中,采集不同工作时刻主控板的热源图像,并将采集到的热源图像进行处理后存储,将空调主控板在前一次工作时刻与后一次工作时刻的图像数据进行特征点匹配处理,根据特征点对得到两图像间的仿射变换模型,将后一次工作时刻处理后的图像通过仿射变换模型进行仿射变换后,再与前一次工作时刻处理后的图像做差分运算,得到差分灰度图像,通过差分灰度图像与预设灰度阈值的对比判断主控板是否存在故障。
2.根据权利要求1所述的空调主控板故障自检测方法,其特征在于,采集不同工作时刻主控板的热源图像是指:设置多个固定的工作时刻,在每一个工作时刻采集主控板的热源图像,相邻工作时刻之间的时间间隔Δt相等。
3.根据权利要求2所述的空调主控板故障自检测方法,其特征在于,空调主控板故障自检测方法包括以下详细步骤:
步骤1,空调开始运行,设置多个工作时刻t;
步骤2,在到达每一个工作时刻t时采集主控板的热源图像;
步骤3,设相邻两个工作时刻为前一次工作时刻tn-1和后一次工作时刻tn,将前一次工作时刻tn-1采集的热源图像和后一次工作时刻tn采集的热源图像分别进行处理;
步骤4,将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像分别存储在主控板不同的数据区;
步骤5,将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像进行特征点匹配处理,建立仿射变换模型;
步骤6,将后一次工作时刻tn处理后的图像通过仿射变换模型进行仿射变换,得到后一次工作时刻tn的仿射修正图像;
4.根据权利要求3所述的空调主控板故障自检测方法,其特征在于,所述步骤3中热源图像处理包括灰度化、去噪、特征点提取,得到去噪后的主控板灰度图像、去噪后的红外热源图像、特征点数据。
5.根据权利要求4所述的空调主控板故障自检测方法,其特征在于,所述步骤5中将前一次工作时刻tn-1处理后的图像和后一次工作时刻tn处理后的图像进行特征点匹配处理,是指将前一次工作时刻tn-1去噪后的红外热源图像与后一次工作时刻tn去噪后的红外热源图像进行特征点匹配处理。
6.根据权利要求4所述的空调主控板故障自检测方法,其特征在于,所述步骤6将后一次工作时刻tn处理后的图像通过仿射变换模型进行仿射变换,是指将后一次工作时刻tn去噪后的主控板灰度图像通过仿射变换模型进行仿射变换。
7.根据权利要求4所述的空调主控板故障自检测方法,其特征在于,所述步骤7中将步骤6中后一次工作时刻tn的仿射修正图像与前一次工作时刻tn-1处理后的图像作差分运算,是指后一次工作时刻tn的仿射修正图像与前一次工作时刻tn-1去噪后的主控板灰度图像作差分运算。
8.根据权利要求3所述的空调主控板故障自检测方法,其特征在于,所述步骤8中,判断主控板存在故障后,则记录发生故障的二维空间位置,得到位置集,并将位置集发送给用户。
9.一种空调,其特征在于,应用权利要求1-8任一所述的空调主控板故障自检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911343841.1A CN111156655A (zh) | 2019-12-24 | 2019-12-24 | 一种空调主控板故障自检测方法及空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911343841.1A CN111156655A (zh) | 2019-12-24 | 2019-12-24 | 一种空调主控板故障自检测方法及空调 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111156655A true CN111156655A (zh) | 2020-05-15 |
Family
ID=70558243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911343841.1A Pending CN111156655A (zh) | 2019-12-24 | 2019-12-24 | 一种空调主控板故障自检测方法及空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111156655A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849663A (zh) * | 2021-11-29 | 2021-12-28 | 湖南乐泊科技有限公司 | 摄像头协同知识图谱的故障监控方法、系统及计算机介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103376159A (zh) * | 2012-04-27 | 2013-10-30 | 富泰华工业(深圳)有限公司 | 热成像装置、热成像方法及热成像控制系统 |
CN103884435A (zh) * | 2014-04-03 | 2014-06-25 | 江苏物联网研究发展中心 | 一种电子设备红外监测系统 |
CN106257535A (zh) * | 2016-08-11 | 2016-12-28 | 河海大学常州校区 | 基于surf算子的电气设备红外与可见光图像配准方法 |
CN106846304A (zh) * | 2017-01-03 | 2017-06-13 | 中国特种设备检测研究院 | 基于红外检测的电气设备检测方法及装置 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
US20170294040A1 (en) * | 2015-03-05 | 2017-10-12 | Nant Holdings Ip, Llc | Global signatures for large-scale image recognition |
CN109443812A (zh) * | 2018-09-21 | 2019-03-08 | 同济大学 | 基于图像数据的暖通空调设备故障诊断方法及系统 |
CN110335271A (zh) * | 2019-07-10 | 2019-10-15 | 浙江铁素体智能科技有限公司 | 一种电气部件故障的红外检测方法及装置 |
CN110351480A (zh) * | 2019-06-13 | 2019-10-18 | 歌尔科技有限公司 | 用于电子设备的图像处理方法、装置及电子设备 |
CN110487787A (zh) * | 2019-07-10 | 2019-11-22 | 精锐视觉智能科技(深圳)有限公司 | 一种元器件损耗检测方法、装置、存储介质及终端设备 |
-
2019
- 2019-12-24 CN CN201911343841.1A patent/CN111156655A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103376159A (zh) * | 2012-04-27 | 2013-10-30 | 富泰华工业(深圳)有限公司 | 热成像装置、热成像方法及热成像控制系统 |
CN103884435A (zh) * | 2014-04-03 | 2014-06-25 | 江苏物联网研究发展中心 | 一种电子设备红外监测系统 |
US20170294040A1 (en) * | 2015-03-05 | 2017-10-12 | Nant Holdings Ip, Llc | Global signatures for large-scale image recognition |
CN106257535A (zh) * | 2016-08-11 | 2016-12-28 | 河海大学常州校区 | 基于surf算子的电气设备红外与可见光图像配准方法 |
CN106846304A (zh) * | 2017-01-03 | 2017-06-13 | 中国特种设备检测研究院 | 基于红外检测的电气设备检测方法及装置 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN109443812A (zh) * | 2018-09-21 | 2019-03-08 | 同济大学 | 基于图像数据的暖通空调设备故障诊断方法及系统 |
CN110351480A (zh) * | 2019-06-13 | 2019-10-18 | 歌尔科技有限公司 | 用于电子设备的图像处理方法、装置及电子设备 |
CN110335271A (zh) * | 2019-07-10 | 2019-10-15 | 浙江铁素体智能科技有限公司 | 一种电气部件故障的红外检测方法及装置 |
CN110487787A (zh) * | 2019-07-10 | 2019-11-22 | 精锐视觉智能科技(深圳)有限公司 | 一种元器件损耗检测方法、装置、存储介质及终端设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113849663A (zh) * | 2021-11-29 | 2021-12-28 | 湖南乐泊科技有限公司 | 摄像头协同知识图谱的故障监控方法、系统及计算机介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3657086B1 (en) | Apparatus control method and device | |
CN109269016B (zh) | 一种化霜控制方法、装置及热泵机组 | |
CN104166066B (zh) | 一种空调感温包接错检测方法、装置和空调 | |
CN110335271B (zh) | 一种电气部件故障的红外检测方法及装置 | |
CN111023429B (zh) | 一种控制方法、系统及空调器 | |
CN104422060A (zh) | 空调器的控制方法及装置 | |
WO2015157756A1 (en) | Smart hvac manifold system | |
CN106352487B (zh) | 一种空调的控制方法及空调 | |
WO2015058592A1 (zh) | 除湿机的冷媒控制方法及装置 | |
CN108181560A (zh) | 一种高压电缆绝缘缺陷局部放电检测诊断方法 | |
CN112066515B (zh) | 用于空气调节系统的控制方法、空气调节控制系统及空气调节系统 | |
WO2021057602A1 (zh) | 空调异常的检测方法和装置 | |
CN111156655A (zh) | 一种空调主控板故障自检测方法及空调 | |
JP2017190942A (ja) | 空気調和装置の移設判断方法及び移設判断装置 | |
US20200400332A1 (en) | Networking Method and Apparatus for Air Conditioning Unit, and Terminal | |
CN110107986B (zh) | 温度调节设备的化霜控制方法、装置、系统和空调 | |
CN106813356A (zh) | 一种空调系统低压保护方法 | |
CN108050667A (zh) | 压缩机频率阈值的计算方法、一拖多空调器及存储介质 | |
CN107367013A (zh) | 控制压缩机的方法、装置和系统 | |
CN111895602B (zh) | 一种空调除霜的控制方法、装置及空调 | |
CN107192157A (zh) | 四通阀换向异常的检测方法、系统及获取制热初始频率的方法 | |
CN108981076B (zh) | 一种机组控制方法、系统及空调器 | |
WO2022003962A1 (ja) | 故障診断装置 | |
CN108758963B (zh) | 空调器安装位置确定方法、装置、空调器及可读存储介质 | |
CN114076400A (zh) | 空调器的电子膨胀阀控制方法、设备、存储介质及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |