CN111256429B - 一种确定冰箱工作异常的方法及装置 - Google Patents
一种确定冰箱工作异常的方法及装置 Download PDFInfo
- Publication number
- CN111256429B CN111256429B CN202010085224.2A CN202010085224A CN111256429B CN 111256429 B CN111256429 B CN 111256429B CN 202010085224 A CN202010085224 A CN 202010085224A CN 111256429 B CN111256429 B CN 111256429B
- Authority
- CN
- China
- Prior art keywords
- cooling
- time
- temperature
- determining
- refrigerator
- 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.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/02—Timing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/06—Controlling according to a predetermined profile
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Cold Air Circulating Systems And Constructional Details In Refrigerators (AREA)
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明实施例提供了一种确定冰箱工作异常的方法及装置,该方法包括获取预设时段内各冰箱的状态数据,状态数据包括时间、设备ID、室型以及温度,根据状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定各冰箱中各室型之间的降温曲线拟合度,对各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果,根据分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给工作异常的冰箱对应的终端用户。通过对各冰箱中各室型之间的降温曲线拟合度进行分析,确定出工作异常的冰箱,可以及时的向终端用户推送设备维护保养信息,从而提升用户体验。
Description
技术领域
本发明实施例涉及物联网和家电设备领域,尤其涉及一种确定冰箱工作异常的方法及装置。
背景技术
冰箱依赖一套完整的制冷系统来进行制冷剂循环地放热、吸热的过程,从而保持箱体内的低温。制冷系统中任何节点出现故障,最终造成的结果都是制冷效果变差甚至失效,这就需要等待经验丰富的维修工人上门确认故障原因,有时甚至要拆开箱体进行检查。家电行业利用物联网技术可以获取家电设备上报的各项数据,如果能通过对联网设备上报的温度数据进行更深维度的挖掘,就可以为故障的诊断提供支持,提高诊断的效率和准确性,进而提升用户体验和顾客满意度。例如,冰箱的温度数据是对温度的记录,在冰箱降温过程中,三室的温度数据会依次随时间而降低,当某一室出现制冷问题时,它的降温过程往往会与其他室的降温过程存在差异,而对冰箱的温度数据进行深维度的挖掘就可以确定出冰箱工作的故障。
综上,目前亟需一种确定冰箱工作异常的方法,对冰箱各室的降温状况进行评估,提醒用户及时对冰箱进行维护保养,以提升用户体验。
发明内容
本发明实施例提供了一种确定冰箱工作异常的方法及装置,用以对冰箱各室的降温状况进行评估,提醒用户及时对冰箱进行维护保养,以提升用户体验。
第一方面,本发明实施例提供了一种确定冰箱工作异常的方法,包括:
获取预设时段内各冰箱的状态数据,所述状态数据包括时间、设备ID、室型以及温度;
根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度;
对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果;
根据所述分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给所述工作异常的冰箱对应的终端用户。
上述技术方案中,获取预设时段内的各冰箱的状态数据,根据各冰箱的状态数据,确定各冰箱中各室型的降温曲线,并确定各冰箱中各室型之间的降温曲线拟合度,再对各冰箱中各室型之间的降温曲线拟合度进行分析,确定出工作异常的冰箱,并将保养知识和维修咨询推送给工作异常的冰箱对应的终端用户。通过对各冰箱中各室型之间的降温曲线拟合度进行分析,确定出工作异常的冰箱,可以及时的向终端用户推送设备维护保养信息,从而提升用户体验。
可选地,所述根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度,包括:
根据所述状态数据中的设备ID将所述状态数据进行分组,并按照预设时间间隔将所述预设时段划分为多个时间窗;
根据所述状态数据中的室型和温度在所述每一时间窗内确定出最高温度和最低温度,并确定所述每一时间窗内最高温度对应的最高温度时间以及最低温度对应的最低温度时间;
根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率;
将所述各冰箱中各室型的降温开始时间进行对比,确定出所述各冰箱中各室型的最大降温开始时间,以及将所述各冰箱中各室型的降温结束时间进行对比,确定出所述各冰箱中各室型的最小降温结束时间,并将所述最大降温开始时间确定为所述各冰箱中各室型之间的重合降温开始时间,以及将所述最小降温结束时间确定为所述各冰箱中各室型之间的重合降温结束时间;
将所述各冰箱中各室型的降温直线斜率进行对比,确定出所述各冰箱中各室型的最大降温直线斜率和最小降温直线斜率,并根据所述最大降温直线斜率和所述最小降温直线斜率确定出所述各冰箱中各室型之间的重合降温斜率相似度;
根据所述各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及所述各冰箱中各室型之间的重合降温斜率相似度,确定出所述各冰箱中各室型之间的降温曲线拟合度。
上述技术方案中,通过对冰箱中各室型每一时间窗内的最高温度、最高温度对应的最高温度时间以及最低温度、最低温度对应的最低温度时间进行分析,确定出各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及各冰箱中各室型之间的重合降温斜率相似度,进而确定出各冰箱中各室型之间的降温曲线拟合度,有助于快速判断出各冰箱中各室型的降温过程差异,从而为确定工作异常的冰箱提供数据支持。
可选地,所述根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率,包括:
若第i个时间窗内的最高温度大于第i-1个时间窗内的最高温度且大于所述第i+1个时间窗内的最高温度,则将第i个时间窗内的最高温度和最高温度时间确定为第j降温时间段的降温开始温度和降温开始时间,将第i+1个时间窗内的最低温度和最低温度时间确定为第j降温时间段的降温结束温度和降温结束时间,并确定出第j降温时间段内的降温直线斜率;
确定所述第i+1个时间窗内的最低温度是否大于第i+2个时间窗内的最高温度,若是,则将第i+1个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温开始温度和降温开始时间,将第i+2个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温结束温度和降温结束时间,并确定出第j+1降温时间段内的降温直线斜率,直到无法确定出降温时间段为止;否则将所述第i+2个时间窗的最高温度确定为所述第i个时间窗的最高温度,直到所有时间窗的所述状态数据确定完毕为止。
上述技术方案中,通过对各冰箱中各室型每一时间窗内的状态数据进行分析,可以确定出各冰箱中各室型的所有降温时间段,并确定出每一降温时间段内的降温开始温度、降温结束温度、降温开始时间、降温结束时间以及降温直线斜率,从而为确定各冰箱中各室型之间的降温曲线拟合度提供数据支持。
可选地,所述状态数据还包括机型码;
所述对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果,包括:
根据所述状态数据中的机型码、设备ID和室型,将所述各冰箱各室型之间的降温曲线拟合度进行排序,得到所述各冰箱各室型之间的降温曲线拟合度的排序结果;
将所述各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,若所述排序结果小于所述历史设备故障率,则将所述排序结果小于所述历史设备故障率的冰箱确定为所述工作异常的冰箱。
上述技术方案中,通过将各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,可以快速确定出工作异常的冰箱,从而提醒用户及时对冰箱进行维护保养,以提升用户体验。
第二方面,本发明实施例还提供了一种确定冰箱工作异常的装置,包括:
获取单元,用于获取预设时段内各冰箱的状态数据,所述状态数据包括时间、设备ID、室型以及温度;
处理单元,用于根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度;对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果;根据所述分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给所述工作异常的冰箱对应的终端用户。
可选地,所述处理单元具体用于:
根据所述状态数据中的设备ID将所述状态数据进行分组,并按照预设时间间隔将所述预设时段划分为多个时间窗;
根据所述状态数据中的室型和温度在所述每一时间窗内确定出最高温度和最低温度,并确定所述每一时间窗内最高温度对应的最高温度时间以及最低温度对应的最低温度时间;
根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率;
将所述各冰箱中各室型的降温开始时间进行对比,确定出所述各冰箱中各室型的最大降温开始时间,以及将所述各冰箱中各室型的降温结束时间进行对比,确定出所述各冰箱中各室型的最小降温结束时间,并将所述最大降温开始时间确定为所述各冰箱中各室型之间的重合降温开始时间,以及将所述最小降温结束时间确定为所述各冰箱中各室型之间的重合降温结束时间;
将所述各冰箱中各室型的降温直线斜率进行对比,确定出所述各冰箱中各室型的最大降温直线斜率和最小降温直线斜率,并根据所述最大降温直线斜率和所述最小降温直线斜率确定出所述各冰箱中各室型之间的重合降温斜率相似度;
根据所述各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及所述各冰箱中各室型之间的重合降温斜率相似度,确定出所述各冰箱中各室型之间的降温曲线拟合度。
可选地,所述处理单元具体用于:
若第i个时间窗内的最高温度大于第i-1个时间窗内的最高温度且大于所述第i+1个时间窗内的最高温度,则将第i个时间窗内的最高温度和最高温度时间确定为第j降温时间段的降温开始温度和降温开始时间,将第i+1个时间窗内的最低温度和最低温度时间确定为第j降温时间段的降温结束温度和降温结束时间,并确定出第j降温时间段内的降温直线斜率;
确定所述第i+1个时间窗内的最低温度是否大于第i+2个时间窗内的最高温度,若是,则将第i+1个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温开始温度和降温开始时间,将第i+2个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温结束温度和降温结束时间,并确定出第j+1降温时间段内的降温直线斜率,直到无法确定出降温时间段为止;否则将所述第i+2个时间窗的最高温度确定为所述第i个时间窗的最高温度,直到所有时间窗的所述状态数据确定完毕为止。
可选地,所述状态数据还包括机型码;
所述处理单元具体用于:
根据所述状态数据中的机型码、设备ID和室型,将所述各冰箱各室型之间的降温曲线拟合度进行排序,得到所述各冰箱各室型之间的降温曲线拟合度的排序结果;
将所述各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,若所述排序结果小于所述历史设备故障率,则将所述排序结果小于所述历史设备故障率的冰箱确定为所述工作异常的冰箱。
第三方面,本发明实施例提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行确定冰箱工作异常的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行确定冰箱工作异常的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构的示意图;
图2为本发明实施例提供的一种确定冰箱工作异常的方法的流程示意图;
图3为本发明实施例提供的一种设备A1冷冻室温度曲线及时间窗分割取点示意图;
图4为本发明实施例提供的一种设备A1冷冻室降温区间示意图;
图5为本发明实施例提供的一种设备A1冷藏室降温区间示意图;
图6为本发明实施例提供的一种确定冰箱工作异常的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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它实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种系统架构。如图1所示,该系统架构可以包括计算模块100、分析模块101和用户服务模块102。
其中,计算模块100从数据库中获取各冰箱在一段时间内的状态数据,并计算各冰箱中各室型之间的降温曲线拟合度,然后将结果数据存储到数据库中。
分析模块101从数据库中读取计算模块100计算的各冰箱中各室型之间的降温曲线拟合度,再对各冰箱中各室型之间的降温曲线拟合度进行分析,筛选出潜在的问题设备,之后将问题设备的ID推送给用户服务模块102。
用户服务模块102接收分析模块101发送的问题设备的ID,然后向问题设备的用户推送设备保养信息、维修咨询等。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
基于上述描述,图2示例性的示出了本发明实施例提供的一种确定冰箱工作异常的方法的流程,该流程可以由确定冰箱工作异常的装置执行。
如图2所示,该流程具体包括:
步骤201,获取预设时段内各冰箱的状态数据。
在本发明实施例中,计算模块首先从数据库(如Hive)中获取冰箱在一段时间(一般为一天)的状态数据,其中状态数据包括但不限于时间、机型码、设备ID、室型以及温度。每个机型码对应一种冰箱类型,设备ID可以唯一标识一台冰箱。室型分为冷藏室、冷冻室和变温室三种,有的冰箱三种室型都有,有的冰箱只有冷藏室和冷冻室这两种室型,每个室型有对应的温度。
步骤202,根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度。
在本发明实施例中,根据状态数据中的设备ID将状态数据进行分组,并按照预设时间间隔将预设时段划分为多个时间窗,然后根据状态数据中的室型和温度在每一时间窗内确定出最高温度和最低温度,并确定每一时间窗内最高温度对应的最高温度时间以及最低温度对应的最低温度时间,再根据最高温度、最高温度对应的最高温度时间以及最低温度、最低温度对应的最低温度时间确定各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出各冰箱中各室型的降温直线斜率,之后将各冰箱中各室型的降温开始时间进行对比,确定出各冰箱中各室型的最大降温开始时间,以及将各冰箱中各室型的降温结束时间进行对比,确定出各冰箱中各室型的最小降温结束时间,并将最大降温开始时间确定为各冰箱中各室型之间的重合降温开始时间,以及将最小降温结束时间确定为各冰箱中各室型之间的重合降温结束时间,最后将各冰箱中各室型的降温直线斜率进行对比,确定出各冰箱中各室型的最大降温直线斜率和最小降温直线斜率,并根据最大降温直线斜率和所述最小降温直线斜率确定出各冰箱中各室型之间的重合降温斜率相似度,再根据各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及各冰箱中各室型之间的重合降温斜率相似度,确定出各冰箱中各室型之间的降温曲线拟合度。
在确定各冰箱中各室型之间的降温曲线拟合度时,具体地,例如,计算模块计算每台冰箱各室型之间的降温曲线拟合度:
a)、设定时间窗的大小。例如,设60分钟为一个时间窗。
b)、将冰箱一天内运行的时间划分为若干时间窗。先将数据按照设备ID分组,并按照时间排序。然后将冰箱一天内运行的时间划分为若干个(例如24个)时间窗。
c)、在每个时间窗内记录一个温度最高点Tr,i,max和一个温度最低点Tr,i,min,以及这两个温度对应的时间tr,i,max,tr,i,min。其中,下标r表示冰箱室型,i为时间窗的序号,max表示最大值,min表示最小值。
d)、计算降温开始的温度Tr,j,s,时间tr,j,s,降温结束的温度Tr,j,e,时间tr,j,e,冰箱r室第j段降温直线的斜率kr,j。其中,下标r表示冰箱室型,j为降温时间段,下标s表示开始,e表示结束。
做判断,若一个时间窗内最高温度大于前后两窗内的最高温度,Tr,i,max>Tr,i-1,max且Tr,i,max>Tr,i+1,max,则判定Tr,i,max到Tr,i+1,min为一段降温,记录降温开始的温度Tr,j,s=Tr,i,max,时间tr,j,s=tr,i,max,降温结束的温度Tr,j,e=Tr,i+1,min,时间tr,j,e=tr,i+1,min,计算第j段降温直线的斜率kr,j,则计算公式为:
其中,a为常数。
e)、在判定Tr,i,max到Tr,i+1,min为一段降温后,继续判断后面是否存在连续降温。若时间窗i+1中的最小值大于等于时间窗i+2中的最大值,即Tr,i+1,min≥Tr,i+2,max,则判定Tr,i+1,min到Tr,i+2,min为一段降温,记录降温开始的温度Tr,j+1,s=Tr,i+1,min,时间tr,j+1,s=tr,i+1,min,降温结束的温度Tr,j+1,e=Tr,i+2,min,时间tr,j+1,e=tr,i+2,min,计算第j+1段降温直线的斜率kr,j+1,计算公式同上。
f)、循环步骤e,直到连续降温结束。
g)、循环步骤d,e,直到最后一个时间窗内的数据判断完毕。
h)、判断r1室与r2室降温重合的时间段(r1与r2表示同一冰箱内两个不同的室)。重合的降温过程的起始时间Pn,r1,r2,m=max(tr1,j1,s,tr2,j2,s),重合的降温过程的结束时间Qn,r1,r2,m=min(tr1,j1,e,tr2,j2,e),若Pn,r1,r2,m>Qn,r1,r2,m,说明两段降温有重合部分,则重合的降温过程的斜率相似度的计算公式为:
其中,下标n表示设备ID,下标m表示第m段重合的降温过程。
i)、计算同一冰箱不同室之间的降温曲线拟合度Sn,r1,r2,则降温曲线拟合度Sn,r1,r2的计算公式为:
其中,D是全天记录的总时长,x表示重合的降温过程总数。
j)、计算模块最终输出的数据存入到数据库中,每台设备每天在此表中的记录为一行,每行数据记录了计算结果,数据格式为:日期d,机型码f,设备ID n,冷藏室与冷冻室的降温曲线拟合度Sn,refr,free,冷藏室与变温室(若存在变温室)的降温曲线拟合度Sn,refr,vari,冷冻室与变温室(若存在变温室)的降温曲线拟合度Sn,free,vari。其中,下标refr表示冷藏室,free表示冷冻室,vari表示变温室。
步骤203,对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果。
在本发明实施例中,根据状态数据中的机型码、设备ID和室型,将各冰箱各室型之间的降温曲线拟合度进行排序,得到各冰箱各室型之间的降温曲线拟合度的排序结果,再将各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,若排序结果小于历史设备故障率,则将排序结果小于历史设备故障率的冰箱确定为工作异常的冰箱。具体地,分析模块将降温曲线拟合度数据按照不同的机型和室型组分别进行排序,以冷藏室与冷冻室之间的降温曲线拟合度为例,每台设备的该室型组得到一个排序结果rn,refr,free,根据冰箱维修部门提供的不同机型的设备故障率Rf,将排序结果在故障率范围内(即rn,refr,free<Rf)的设备列为问题设备。
步骤204,根据所述分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给所述工作异常的冰箱对应的终端用户。
在本发明实施例中,根据分析结果确定出工作异常的冰箱,即问题设备,然后将问题设备的ID推送给用户服务模块,之后用户服务模块向问题设备的用户推送设备保养知识、维修咨询等。
为了更好的解释本发明的实施例,下面通过具体的实施场景描述确定冰箱工作异常的方法的流程,其中以冰箱冷藏室与冷冻室的降温曲线拟合度的计算过程进行描述。具体的过程如下:
Step1:从数据库中获取冰箱一天内的状态数据载入计算模块,其数据结构形式如下表1所示。
表1
unix时间戳 | 设备ID | 冷藏室温度 | 冷冻室温度 |
1525151146 | A1 | 13 | -1 |
1525151466 | A1 | 12 | -1 |
1525152379 | A1 | 12 | -2 |
1525152660 | A1 | 11 | -2 |
1525152960 | A1 | 11 | -4 |
1525153270 | A1 | 10 | -4 |
1525153548 | A1 | 10 | -4 |
1525154450 | A1 | 10 | -5 |
1525154784 | A1 | 9 | -5 |
1525157171 | A2 | 7 | -4 |
…… | A2 | …… | …… |
1525158959 | A3 | 5 | 5 |
…… | A3 | …… | …… |
1525159280 | B4 | 10 | -5 |
1525160149 | B4 | 11 | -5 |
…… | …… | …… | …… |
其中,上表中unix时间戳是指格林威治时间1970年01月01日00时00分00秒(即北京时间1970年01月01日08时00分00秒)起至某个时间点的总秒数,例如,时间戳1525151146表示的是北京时间2018-05-01 13:05:46。
Step2:以设备A1设备的冷冻室为例,按照预设的时间窗大小划分时间窗,如图3所示,每一个栅格都是一个时间窗,然后对每个窗内的温度数据取一个最大值点(图3中星形点)和最小值点(图3中圆点)。
Step3:按照计算模块计算每台冰箱各室型的降温曲线所描述的方法进行连线,找出设备A1设备的冷冻室的各降温时间段,冷冻室的降温时间段如下表2所示。
表2
将上表中每段降温的开始时间和结束时间相连就形成了如图4所示的深色折线,即冷冻室的每段降温时间段。
Step4:以与上述计算设备A1设备的冷冻室的降温曲线相同的方法,找出设备A1设备的冷藏室的各降温时间段,冷藏室的降温时间段如下表3所示。
表3
序号 | 降温开始时间 | 降温结束时间 | 降温直线斜率 |
0 | 1525144572 | 1525150567 | 0.200167 |
1 | 1525150567 | 1525153548 | 0.100637 |
2 | 1525153548 | 1525157171 | 0.055203 |
3 | 1525157171 | 1525160149 | 0 |
上表中每段降温时间段对应到如图5所示的深色折线。即冷藏室的每段降温时间段。
Step5:匹配设备A1设备的冷冻室和冷藏室降温时间重合的降温阶段如下表4所示。
表4
Step6:依据表4中的数据,计算全天内冷藏室与冷冻室的降温曲线拟合度:
Step7:将设备ID A1,冷藏室与冷冻室的降温曲线拟合度0.11,日期2018-05-01存入数据库。
上述实施例表明,获取预设时段内的各冰箱的状态数据,根据各冰箱的状态数据,确定各冰箱中各室型的降温曲线,并确定各冰箱中各室型之间的降温曲线拟合度,再对各冰箱中各室型之间的降温曲线拟合度进行分析,确定出工作异常的冰箱,并将保养知识和维修咨询推送给工作异常的冰箱对应的终端用户。通过对各冰箱中各室型之间的降温曲线拟合度进行分析,确定出工作异常的冰箱,可以及时的向终端用户推送设备维护保养信息,从而提升用户体验。
基于相同的技术构思,图6示例性的示出了本发明实施例提供的一种确定冰箱工作异常的装置,该装置可以执行确定冰箱工作异常的方法的流程。
如图6所示,该装置包括:
获取单元601,用于获取预设时段内各冰箱的状态数据,所述状态数据包括时间、设备ID、室型以及温度;
处理单元602,用于根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度;对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果;根据所述分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给所述工作异常的冰箱对应的终端用户。
可选地,所述处理单元602具体用于:
根据所述状态数据中的设备ID将所述状态数据进行分组,并按照预设时间间隔将所述预设时段划分为多个时间窗;
根据所述状态数据中的室型和温度在所述每一时间窗内确定出最高温度和最低温度,并确定所述每一时间窗内最高温度对应的最高温度时间以及最低温度对应的最低温度时间;
根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率;
将所述各冰箱中各室型的降温开始时间进行对比,确定出所述各冰箱中各室型的最大降温开始时间,以及将所述各冰箱中各室型的降温结束时间进行对比,确定出所述各冰箱中各室型的最小降温结束时间,并将所述最大降温开始时间确定为所述各冰箱中各室型之间的重合降温开始时间,以及将所述最小降温结束时间确定为所述各冰箱中各室型之间的重合降温结束时间;
将所述各冰箱中各室型的降温直线斜率进行对比,确定出所述各冰箱中各室型的最大降温直线斜率和最小降温直线斜率,并根据所述最大降温直线斜率和所述最小降温直线斜率确定出所述各冰箱中各室型之间的重合降温斜率相似度;
根据所述各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及所述各冰箱中各室型之间的重合降温斜率相似度,确定出所述各冰箱中各室型之间的降温曲线拟合度。
可选地,所述处理单元602具体用于:
若第i个时间窗内的最高温度大于第i-1个时间窗内的最高温度且大于所述第i+1个时间窗内的最高温度,则将第i个时间窗内的最高温度和最高温度时间确定为第j降温时间段的降温开始温度和降温开始时间,将第i+1个时间窗内的最低温度和最低温度时间确定为第j降温时间段的降温结束温度和降温结束时间,并确定出第j降温时间段内的降温直线斜率;
确定所述第i+1个时间窗内的最低温度是否大于第i+2个时间窗内的最高温度,若是,则将第i+1个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温开始温度和降温开始时间,将第i+2个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温结束温度和降温结束时间,并确定出第j+1降温时间段内的降温直线斜率,直到无法确定出降温时间段为止;否则将所述第i+2个时间窗的最高温度确定为所述第i个时间窗的最高温度,直到所有时间窗的所述状态数据确定完毕为止。
可选地,所述状态数据还包括机型码;
所述处理单元602具体用于:
根据所述状态数据中的机型码、设备ID和室型,将所述各冰箱各室型之间的降温曲线拟合度进行排序,得到所述各冰箱各室型之间的降温曲线拟合度的排序结果;
将所述各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,若所述排序结果小于所述历史设备故障率,则将所述排序结果小于所述历史设备故障率的冰箱确定为所述工作异常的冰箱。
基于相同的技术构思,本发明实施例提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行确定冰箱工作异常的方法。
基于相同的技术构思,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行确定冰箱工作异常的方法。
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、系统、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、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。
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设备上,使得在计算机或其他可编程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。
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,则可对这些实施例作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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种确定冰箱工作异常的方法,其特征在于,包括:
获取预设时段内各冰箱的状态数据,所述状态数据包括时间、设备ID、室型以及温度;
根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度;
对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果;
根据所述分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给所述工作异常的冰箱对应的终端用户;
所述根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度,包括:
根据所述状态数据中的设备ID将所述状态数据进行分组,并按照预设时间间隔将所述预设时段划分为多个时间窗;
根据所述状态数据中的室型和温度在所述每一时间窗内确定出最高温度和最低温度,并确定所述每一时间窗内最高温度对应的最高温度时间以及最低温度对应的最低温度时间;
根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率;
将所述各冰箱中各室型的降温开始时间进行对比,确定出所述各冰箱中各室型的最大降温开始时间,以及将所述各冰箱中各室型的降温结束时间进行对比,确定出所述各冰箱中各室型的最小降温结束时间,并将所述最大降温开始时间确定为所述各冰箱中各室型之间的重合降温开始时间,以及将所述最小降温结束时间确定为所述各冰箱中各室型之间的重合降温结束时间;
将所述各冰箱中各室型的降温直线斜率进行对比,确定出所述各冰箱中各室型的最大降温直线斜率和最小降温直线斜率,并根据所述最大降温直线斜率和所述最小降温直线斜率确定出所述各冰箱中各室型之间的重合降温斜率相似度;
根据所述各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及所述各冰箱中各室型之间的重合降温斜率相似度,确定出所述各冰箱中各室型之间的降温曲线拟合度。
2.如权利要求1所述的方法,其特征在于,所述根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率,包括:
若第i个时间窗内的最高温度大于第i-1个时间窗内的最高温度且大于所述第i+1个时间窗内的最高温度,则将第i个时间窗内的最高温度和最高温度时间确定为第j降温时间段的降温开始温度和降温开始时间,将第i+1个时间窗内的最低温度和最低温度时间确定为第j降温时间段的降温结束温度和降温结束时间,并确定出第j降温时间段内的降温直线斜率;
确定所述第i+1个时间窗内的最低温度是否大于第i+2个时间窗内的最高温度,若是,则将第i+1个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温开始温度和降温开始时间,将第i+2个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温结束温度和降温结束时间,并确定出第j+1降温时间段内的降温直线斜率,直到无法确定出降温时间段为止;否则将所述第i+2个时间窗的最高温度确定为所述第i个时间窗的最高温度,直到所有时间窗的所述状态数据确定完毕为止。
3.如权利要求1至2任一项所述的方法,其特征在于,所述状态数据还包括机型码;
所述对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果,包括:
根据所述状态数据中的机型码、设备ID和室型,将所述各冰箱各室型之间的降温曲线拟合度进行排序,得到所述各冰箱各室型之间的降温曲线拟合度的排序结果;
将所述各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,若所述排序结果小于所述历史设备故障率,则将所述排序结果小于所述历史设备故障率的冰箱确定为所述工作异常的冰箱。
4.一种确定冰箱工作异常的装置,其特征在于,包括:
获取单元,用于获取预设时段内各冰箱的状态数据,所述状态数据包括时间、设备ID、室型以及温度;
处理单元,用于根据所述状态数据中的时间、设备ID、室型和温度,确定各冰箱中各室型的降温曲线,并确定所述各冰箱中各室型之间的降温曲线拟合度;对所述各冰箱中各室型之间的降温曲线拟合度进行分析,得到分析结果;根据所述分析结果确定出工作异常的冰箱,并将保养知识和维修咨询推送给所述工作异常的冰箱对应的终端用户;
所述处理单元具体用于:
根据所述状态数据中的设备ID将所述状态数据进行分组,并按照预设时间间隔将所述预设时段划分为多个时间窗;
根据所述状态数据中的室型和温度在所述每一时间窗内确定出最高温度和最低温度,并确定所述每一时间窗内最高温度对应的最高温度时间以及最低温度对应的最低温度时间;
根据所述最高温度、最高温度对应的最高温度时间以及所述最低温度、最低温度对应的最低温度时间确定所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间,并根据所述各冰箱中各室型的降温开始温度、降温结束温度、降温开始时间以及降温结束时间确定出所述各冰箱中各室型的降温直线斜率;
将所述各冰箱中各室型的降温开始时间进行对比,确定出所述各冰箱中各室型的最大降温开始时间,以及将所述各冰箱中各室型的降温结束时间进行对比,确定出所述各冰箱中各室型的最小降温结束时间,并将所述最大降温开始时间确定为所述各冰箱中各室型之间的重合降温开始时间,以及将所述最小降温结束时间确定为所述各冰箱中各室型之间的重合降温结束时间;
将所述各冰箱中各室型的降温直线斜率进行对比,确定出所述各冰箱中各室型的最大降温直线斜率和最小降温直线斜率,并根据所述最大降温直线斜率和所述最小降温直线斜率确定出所述各冰箱中各室型之间的重合降温斜率相似度;
根据所述各冰箱中各室型之间的重合降温开始时间、重合降温结束时间以及所述各冰箱中各室型之间的重合降温斜率相似度,确定出所述各冰箱中各室型之间的降温曲线拟合度。
5.如权利要求4所述的装置,其特征在于,所述处理单元具体用于:
若第i个时间窗内的最高温度大于第i-1个时间窗内的最高温度且大于所述第i+1个时间窗内的最高温度,则将第i个时间窗内的最高温度和最高温度时间确定为第j降温时间段的降温开始温度和降温开始时间,将第i+1个时间窗内的最低温度和最低温度时间确定为第j降温时间段的降温结束温度和降温结束时间,并确定出第j降温时间段内的降温直线斜率;
确定所述第i+1个时间窗内的最低温度是否大于第i+2个时间窗内的最高温度,若是,则将第i+1个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温开始温度和降温开始时间,将第i+2个时间窗内的最低温度和最低温度时间确定为第j+1降温时间段的降温结束温度和降温结束时间,并确定出第j+1降温时间段内的降温直线斜率,直到无法确定出降温时间段为止;否则将所述第i+2个时间窗的最高温度确定为所述第i个时间窗的最高温度,直到所有时间窗的所述状态数据确定完毕为止。
6.如权利要求4至5任一项所述的装置,其特征在于,所述状态数据还包括机型码;
所述处理单元具体用于:
根据所述状态数据中的机型码、设备ID和室型,将所述各冰箱各室型之间的降温曲线拟合度进行排序,得到所述各冰箱各室型之间的降温曲线拟合度的排序结果;
将所述各冰箱各室型之间的降温曲线拟合度的排序结果与各冰箱的机型码对应的历史设备故障率进行比对,若所述排序结果小于所述历史设备故障率,则将所述排序结果小于所述历史设备故障率的冰箱确定为所述工作异常的冰箱。
7.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至3任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行权利要求1至3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085224.2A CN111256429B (zh) | 2020-02-10 | 2020-02-10 | 一种确定冰箱工作异常的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085224.2A CN111256429B (zh) | 2020-02-10 | 2020-02-10 | 一种确定冰箱工作异常的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111256429A CN111256429A (zh) | 2020-06-09 |
CN111256429B true CN111256429B (zh) | 2021-06-22 |
Family
ID=70949240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010085224.2A Active CN111256429B (zh) | 2020-02-10 | 2020-02-10 | 一种确定冰箱工作异常的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111256429B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111649534A (zh) * | 2020-05-21 | 2020-09-11 | 四川虹美智能科技有限公司 | 冰箱的温度控制方法、装置及系统 |
CN112413993B (zh) * | 2020-12-09 | 2022-05-17 | 合肥美菱物联科技有限公司 | 一种冰箱误操作的提醒方法 |
CN114688822B (zh) * | 2020-12-29 | 2023-11-17 | 广东美的白色家电技术创新中心有限公司 | 冰箱故障检测方法、冰箱和可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3633867B2 (ja) * | 1997-09-18 | 2005-03-30 | 松下冷機株式会社 | 冷蔵装置の自動診断装置 |
KR20120105234A (ko) * | 2011-03-15 | 2012-09-25 | 엘지전자 주식회사 | 냉장고, 냉장고 진단장치 및 그 방법 |
CN104329863B (zh) * | 2014-09-25 | 2017-01-11 | 青岛海尔股份有限公司 | 冰箱及其控制方法 |
CN105605870B (zh) * | 2014-11-24 | 2018-07-13 | 青岛海尔股份有限公司 | 冰箱、冰箱自诊断及提醒控制方法 |
KR101698105B1 (ko) * | 2015-03-09 | 2017-01-19 | 엘지전자 주식회사 | 냉장고 |
KR102017087B1 (ko) * | 2018-04-27 | 2019-10-21 | 엘지전자 주식회사 | 인공지능으로 이상 상태를 감지하는 장치 및 방법 |
CN110513958B (zh) * | 2019-08-29 | 2021-05-11 | 青岛聚好联科技有限公司 | 一种确定设备健康状况方法及装置 |
-
2020
- 2020-02-10 CN CN202010085224.2A patent/CN111256429B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111256429A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111256429B (zh) | 一种确定冰箱工作异常的方法及装置 | |
EP2499435B1 (en) | Refrigerant leak detection system and method | |
CN110513958B (zh) | 一种确定设备健康状况方法及装置 | |
CN109308519A (zh) | 一种基于神经网络的制冷设备故障预测方法 | |
US11156532B2 (en) | Status monitoring apparatus, status monitoring method, and program | |
CN110425694A (zh) | 基于phm的高铁智能车站暖通空调能效控制管理方法 | |
JPH0480578A (ja) | 熱源機器の効率診断装置 | |
CN110068117B (zh) | 一种空调性能持续监测系统及方法 | |
US20210341195A1 (en) | Monitoring method of cooling system and monitoring device thereof | |
CN112966222A (zh) | 一种时间序列异常数据检测方法及相关设备 | |
CN111176226A (zh) | 一种基于运行工况的设备特征参数报警阈值自动分析方法 | |
Ashour et al. | Statistical analysis of exponentiated Weibull family under type I progressive interval censoring with random removals | |
CN110163451B (zh) | 暖通系统的健康度预测方法、系统和计算机可读存储介质 | |
CN113654186A (zh) | 空调检测方法、装置、电子设备和存储介质 | |
CN110986312B (zh) | 一种确定分析空调制冷指数的方法及装置 | |
CN117308497A (zh) | 用于制冷设备温度变化预测的方法、制冷设备 | |
CN111504673A (zh) | 一种冷水机组故障诊断方法、系统及空调器 | |
CN111159251A (zh) | 一种异常数据的确定方法及装置 | |
CN102141289B (zh) | 一种中央空调系统最佳开机时间诊断与分析的方法及装置 | |
JP2018204940A (ja) | 状態監視装置 | |
JPH0493567A (ja) | 冷凍機の性能診断装置 | |
CN113810743A (zh) | 一种直播间流量监控方法和装置 | |
CN111582343A (zh) | 一种设备故障预测的方法及装置 | |
JP2002269622A (ja) | 寿命評価システム | |
CN110454904B (zh) | 除湿机中冷媒含量的处理方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |