CN111795482B - 具有元件效能衰退预警功能的空调箱及其预警方法 - Google Patents

具有元件效能衰退预警功能的空调箱及其预警方法 Download PDF

Info

Publication number
CN111795482B
CN111795482B CN201911308134.9A CN201911308134A CN111795482B CN 111795482 B CN111795482 B CN 111795482B CN 201911308134 A CN201911308134 A CN 201911308134A CN 111795482 B CN111795482 B CN 111795482B
Authority
CN
China
Prior art keywords
pressure difference
condition
differential pressure
slope
hours
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
Application number
CN201911308134.9A
Other languages
English (en)
Other versions
CN111795482A (zh
Inventor
张泽文
程文彦
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.)
Chicony Power Technology Co Ltd
Original Assignee
Chicony Power 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
Priority claimed from TW108145101A external-priority patent/TWI719748B/zh
Application filed by Chicony Power Technology Co Ltd filed Critical Chicony Power Technology Co Ltd
Publication of CN111795482A publication Critical patent/CN111795482A/zh
Application granted granted Critical
Publication of CN111795482B publication Critical patent/CN111795482B/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
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • 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
    • 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
    • F24F11/39—Monitoring filter performance
    • 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
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • 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
    • F24F11/89—Arrangement or mounting of control or safety devices
    • 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
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/40—Pressure, e.g. wind pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/52—Air quality properties of the outside air

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

一种空调箱的元件效能衰退预警方法，包括：于空调箱运转后持续记录送风机的运转时数，并由设置在滤网两侧的压差传送器持续计算当前的压差数据；于压差数据到达第一压差条件时，依据第一压差条件、初始压差数据及送风机的运转时数计算第一阶段斜率；于压差数据到达第二压差条件时，依据第二压差条件、第一压差条件及送风机的运转时数计算第二阶段斜率；于第一阶段斜率和第二阶段斜率的比对结果小于或等于阈值时，基于第一阶段斜率来预估滤网的可使用时数；及，于所述比对结果大于阈值时，基于第二阶段斜率来预估滤网的可使用时数。

Description

具有元件效能衰退预警功能的空调箱及其预警方法
技术领域
本发明涉及空调箱，尤其涉及一种具有元件效能衰退预警功能的空调箱，以及空调箱的元件效能衰退预警方法。
背景技术
在室内空间中，通常会借由空调箱的设置来执行热交换，藉此在室内空间中提供较为舒适的空气。
所述空调箱是一种令气态流体和液态流体相互交流的热交换装置，而随着空调箱的运转时间累积，空气中与液体中的颗粒污染物将会附着于空调箱内部的滤网与热交换盘管上，造成空调箱的热交换效率的衰退，进而使得空调箱整体的运转能耗增加。
现有的空调箱一般会通过压力感测器来感测滤网/热交换盘管的前、后的压力差值，当滤网/热交换盘管因污染物的堆积而阻塞，使得所述压力差值达到一定的上限时，空调箱将会发出告警通知。设备管理人员在收到此告警通知后，即可安排维护人员对空调箱进行维护保养作业(例如更换或清洗滤网)。
惟，上述告警方式仅仅是一种被动的警报措施，也就是说，设备管理人员必须等到空调箱的元件(即，滤网或热交换盘管)受到污染物的影响而使得效能严重衰退(例如滤网严重阻塞)，而必须要进行处理时，才会收到所述告警通知，并且在这之后才能够开始安排维护保养作业，这将会造成维护保养作业的延宕。
如上所述，于现有技术下，设备管理人员无法提早以更有效率的方式来安排相关维护保养作业，这对于维修人力的安排与调度都相当不便。并且，当需要维护的空调箱的数量众多时，仓管人员对于相关耗材(例如新的滤网)的库存管理亦存在着相当的不便。
发明内容
本发明的主要目的，在于提供一种具有元件效能衰退预警功能的空调箱及其预警方法，可提前预测空调箱中的部分元件的可使用时数，藉此提升管理上的效率。
为了达成上述目的，本发明的的空调箱的元件效能衰退预警方法应用于至少具有一送风机、一滤网及设置于该滤网两侧的一压差传送器的一空调箱，该元件效能衰退预警方法包括下列步骤：
a)取得该空调箱的一目标压差条件，并依据该目标压差条件计算一第一压差条件及一第二压差条件，其中该第二压差条件小于该目标压差条件，该第一压差条件小于该第二压差条件；
b)控制该空调箱开始运转，持续记录该送风机的运转时数，并由该压差传送器持续计算一当前压差数据；
c)于该当前压差数据到达该第一压差条件时，依据该第一压差条件、一初始压差数据及该送风机的运转时数计算一第一阶段斜率；
d)于该当前压差数据到达该第二压差条件时，依据该第二压差条件、该第一压差条件及该送风机的运转时数计算一第二阶段斜率；
e)比对该第一阶段斜率与该第二阶段斜率并产生一比对结果；
f)于该比对结果小于或等于一预设阈值时，将该第一阶段斜率做为一基础斜率以推测该当前压差数据到达该目标压差条件的一预估可使用时数；及
g)于该比对结果大于该预设阈值时，将该第二阶段斜率做为该基础斜率以推测该当前压差数据到达该目标压差条件的该预估可使用时数。
如上所述，其中该步骤a)依据一第一计算公式计算该第一压差条件，并依据一第二计算公式计算该第二压差条件；
其中，该第一计算公式为：该初始压差数据+(该目标压差条件＊一第一调整系数)；该第二计算公式为：该初始压差数据+(该目标压差条件＊一第二调整系数)，其中该第二调整系数为该第一调整系数的倍数。
如上所述，其中该预设阈值小于8％。
如上所述，其中该预设阈值为5％。
如上所述，其中该目标压差条件为150Pa。
如上所述，其中该空调箱还包括令外气流入该空调箱的一外气风门、控制该外气风门启闭及开启程度的一风门驱动器及检测该空调箱外部的一外气品质的一外气品质传送器，该步骤b)持续记录该外气风门的开启时数、该外气风门的开启程度以及该外气品质。
如上所述，其中更包括下列步骤：
h)取得该当前压差数据到达该第二压差条件前记录的该送风机的运转时数、该外气风门的开启时数与开启程度及该外气品质；
i)基于该送风机的运转时数、该外气风门的开启时数、该外气风门的开启程度、该外气品质及该基础斜率执行一线性回归计算；及
j)依据该线性回归计算的计算结果产生该送风机的运转时数、该外气风门的开启时数、该外气风门的开启程度及该外气品质分别相对于该基础斜率的一第一影响系数、一第二影响系数、一第三影响系数及一第四影响系数，其中该第一影响系数、该第二影响系数、该第三影响系数及第四影响系数为常数系数。
如上所述，其中更包括下列步骤：
k)判断一预设时间周期是否经过；
l)于该预设时间周期经过时依据一调整公式产生一动态斜率；及
m)依据该动态斜率更新该预估可使用时数；
其中该调整公式为：S＝a0+a1W+a2X+a3Y+a4Z；其中S为该动态斜率，a0为误差系数，a1为该第一影响系数，W为该送风机的日累积运转时数，a2为该第二影响系数，X为该外气风门的日累积开启时数，a3为该第三影响系数，Y为该外气风门的日平均开启程度，a4为该第四影响系数，Z为该外气品质的日平均值。
如上所述，其中更包括下列步骤：
n)显示更新后的该预估可使用时数；
o)判断该当前压差数据是否到达该目标压差条件；及
p)于该当前压差数据到达该目标压差条件前重复执行该步骤k)至该步骤n)。
为了达到上述目的，本发明的具有元件效能衰退预警功能的空调箱，包括：
一送风机，设置于一出风口；
一滤网，设置于一入风口与及该出风口之间；
一压差传送器，设置于该滤网两侧，检测该滤网两侧的一当前压差数据；
一存储单元，记录一目标压差条件、一第一压差条件及一第二压差条件，其中该第二压差条件小于该目标压差条件，该第一压差条件小于该第二压差条件；
一处理器，连接该送风机、该压差传送器及该存储单元，于该空调箱运转时持续记录该送风机的运转时数及该当前压差数据，于该当前压差数据到达该第一压差条件时依据该第一压差条件、一初始压差数据及该送风机的运转时数计算一第一阶段斜率，并且于该当前压差数据到达该第二压差条件时依据该第二压差条件、该第一压差条件及该送风机的运转时数计算一第二阶段斜率；
其中，该处理器于该第一阶段斜率与该第二阶段斜率的一比对结果小于或等于一预设阈值时将该第一阶段斜率做为一基础斜率以推测该当前压差数据到达该目标压差条件的一预估可使用时数，并且于该比对结果大于该预设阈值时将该第二阶段斜率做为该基础斜率以推测该当前压差数据到达该目标压差条件的该预估可使用时数。
如上所述，其中该处理器依据一第一计算公式计算该第一压差条件，并依据一第二计算公式计算该第二压差条件；该第一计算公式为：该初始压差数据+(该目标压差条件＊一第一调整系数)；该第二计算公式为：该初始压差数据+(该目标压差条件＊一第二调整系数)，其中该第二调整系数为该第一调整系数的倍数。
如上所述，其中该预设阈值小于8％。
如上所述，其中该预设阈值为5％。
如上所述，其中该目标压差条件为150Pa。
如上所述，其中更包括：
一外气风门，用以令外气流入该空调箱中；
一风门驱动器，电性连接该外气风门并控制该外气风门的启闭及开启程度；及
一外气品质传送器，设置于该空调箱外，用以检测一外气品质；
其中，该处理器连接该风门驱动器及该外气品质传送器，并且于该空调箱运转时持续记录该外气风门的开启时数与开启程度以及该外气品质。
如上所述，其中该处理器于该当前压差数据到达该第二压差条件时，基于该送风机的运转时数、该外气风门的开启时数与开启程度、该外气品质及该基础斜率执行一线性回归计算，以产生该送风机的运转时数、该外气风门的开启时数、该外气风门的开启程度及该外气品质分别相对于该基础斜率的一第一影响系数、一第二影响系数、一第三影响系数及一第四影响系数，其中该第一影响系数、该第二影响系数、该第三影响系数及该第四影响系数为常数系数。
如上所述，其中该处理器于该当前压差数据到达该第二压差条件后持续计算一预设时间周期，于该预设时间周期经过时依据一调整公式计算一动态斜率，并且依据该动态斜率更新该预估可使用时数，其中该调整公式为：S＝a0+a1W+a2X+a3Y+a4Z；其中S为该动态斜率，a0为误差系数，a1为该第一影响系数，W为该送风机的日累积运转时数，a2为该第二影响系数，X为该外气风门的日累积开启时数，a3为该第三影响系数，Y为该外气风门的日平均开启程度，a4为该第四影响系数，Z为该外气品质的日平均值。
本发明相对于相关技术所能达到的技术功效在于，通过空调箱实际运作时的多项运转数据来预估部分元件的可使用时数，可以让管理人员提前掌握并安排空调箱的维护保养作业的精确时间，并且妥善安排相关耗材的购买与仓储程序，藉此提升管理上的效率，同时最佳化管理成本。
以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。
附图说明
图1为本发明的空调箱的内部结构示意图的第一具体实施例；
图2为本发明的空调箱方块图的第一具体实施例；
图3为本发明的预警流程图的第一具体实施例；
图4为本发明的斜率示意图的第一具体实施例；
图5为本发明的斜率调整方程式建立流程图的第一具体实施例；
图6为本发明的预警流程图的第二具体实施例。
其中，附图标记：
1…空调箱；
10…处理器；
11…送风机；
12…滤网；
13…热交换盘管；
14…压差传送器；
15…外气风门；
16…风门驱动器；
17…回风风门；
18…外气品质传送器；
19…存储单元；
191…目标压差条件；
192…第一压差条件；
193…第二压差条件；
21…入风口；
22…出风口；
3…运转数据；
41…第一阶段斜率；
42…第二阶段斜率；
43…动态斜率；
S10～S28…预警步骤；
S40～S44…计算步骤；
S50～S60…预警步骤。
具体实施方式
下面结合附图对本发明的结构原理和工作原理作具体的描述：
兹就本发明的一较佳实施例，配合附图，详细说明如后。
参阅图1及图2，图1为本发明的空调箱的内部结构示意图的第一具体实施例，图2为本发明的空调箱方块图的第一具体实施例。
图1与图2揭露了本发明的具有元件效能衰退预警功能的空调箱(下面将于说明书内文中简称为空调箱1)，所述空调箱1可以在实际运作时持续记录多项运转数据，并且依据这些运转数据来预估部分元件的效能衰退状况(即，剩余的可使用时数)。如此一来，管理人员可以在该些元件的可使用时数到达前预先安排相关的维护保养作业，并且备妥要更换的耗材，藉此提升管理效率，同时最佳化管理成本。
如图1所示，本发明的空调箱1的一端具有入风口21，另一端具有出风口22，并且空调箱1主要具有设置于靠近出风口22处的送风机11、设置于入风口21及出风口22之间的滤网12、以及设置在滤网12前、后两侧的压差传送器14。
本发明中，空调箱1由入风口21吸入空气，经过滤网12过滤空气中的污染物后，再借由送风机11的运转而将过滤后的空气由出风口22送入室内空间中。所述压差传送器14会在空调箱1的运转期间持续感测滤网12前、后两侧的压力，并且计算出当前压差数据。当滤网12因污染物的持续堆积而阻塞时，所述当前压差数据会随之变大。本发明的主要技术特征在于，空调箱1可依据所述当前压差数据相对于送风机11的运转时数来计算滤网12阻塞的速率，进而预测滤网12的效能衰退状态(即，剩余的可使用时数)，藉此，令管理人员可以提早安排滤网12的相关维护保养作业。
如图2所示，本发明的空调箱1主要具有处理器10，所述送风机11及压差传送器14分别电性连接处理器10。并且，空调箱1还具有电性连接处理器10的存储单元19，所述存储单元19至少记录空调箱1的目标压差条件191、第一压差条件192及第二压差条件193。
即使是全新的滤网12，在滤网12前、后方所检测到的压力值仍然会具有一定的压力差(例如为50帕斯卡(Pa))，此压力差称为初始压差数据。本发明的主要目的在于，在滤网12的应更换时间到达之前，由处理器10自动计算并预测滤网12的预估可使用时数。在此目的下，空调箱1的管理人员可以自行设定一个目标压差条件191(例如150Pa)，而当滤网12的当前压差数据到达所述目标压差条件191时，处理器10即判断滤网12需要进行清洗或更换。
于一实施例中，空调箱1进一步依据所述初始压差数据及目标压差条件191来计算第一压差条件192及第二压差条件193，其中令第二压差条件193小于目标压差条件191，并令第一压差条件192小于第二压差条件193，藉此将第一压差条件192与第二压差条件193分别做为不同阶段的判断基础(容后详述)。
本发明中，处理器10会在空调箱1进行运转时持续记录送风机11的运转时数，并且持续控制压差传送器14计算并记录滤网12两侧的当前压差数据。于空调箱1刚完成维护保养作业时，所述当前压差数据会等于或接近所述初始压差数据(例如为50Pa)。
当处理器10判断压差传送器14所得到的当前压差数据到达所述第一压差条件192(例如为80Pa)时，处理器10可依据第一压差条件192、初始压差数据以及送风机11当前的运转时数来计算第一阶段斜率。具体地，处理器10依据下述计算公式计算第一阶段斜率：
Figure BDA0002323736170000081
其中S1为第一阶段斜率、P1为第一压差条件192、Pi为初始压差数据、T1为送风机11从空调机1启动到当前压差数据到达第一压差条件192时的运转时数。
值得一提的是，除了送风机11的运转时数以及当前压差数据之外，处理器10还会在空调箱10的运转期间持续记录空调箱10的其他运转数据3，并且记录于存储单元19中(容后详述)。
接着，处理器10会持续接收压差传送器14计算所得的当前压差数据，并且当所述当前压差数据到达第二压差条件193(例如为110Pa)时，处理器10再依据第二压差条件193、第一压差条件192及送风机11的运转时数来计算第二阶段斜率。具体地，处理器10依据下述计算公式计算第二阶段斜率：
Figure BDA0002323736170000082
其中S2为第二阶段斜率、P2为第二压差条件193、P1为第一压差条件192、T1为送风机11在当前压差数据到达第一压差条件192时的运转时数、T2为送风机11在当前压差数据到达第二压差条件193时的运转时数。
本发明中，处理器10会在当前压差数据到达第一压差条件192时计算上述第一阶段斜率(如图4所述的第一阶段斜率41)，在当前压差数据到达第二压差条件193时计算上述第二阶段斜率(如图4所述的第二阶段斜率42)，并且将第一阶段斜率41与第二阶段斜率42进行比对后产生一个比对结果，再由这个比对结果来判断第一阶段斜率41与第二阶段斜率42是否相似。
于一实施例中，处理器10在所述第一阶段斜率41与第二阶段斜率42的比对结果小于或等于预设阈值时，认定第一阶段斜率41与第二阶段斜率42相似，意即，空调箱1的运转条件以及空气品质并没有随着时间而产生剧烈改变。另一方面，若第一阶段斜率41与第二阶段斜率42的比对结果大于预设阈值，则处理器10会认定第一阶段斜率41与第二阶段斜率42不相似，意即，空调箱1的运转条件或是空气品质在这段时间内发生了剧烈改变。
举例来说，若将所述预设阈值设定为8％以内(下面以5％为例)，代表只要第一阶段斜率41与第二阶段斜率42的差异小于或等于±5％，处理器10都会认定第一阶段斜率41与第二阶段斜率42相似。
于本发明的技术手段中，处理器10会在认定第一阶段斜率41与第二阶段斜率42相似时(即，所述比对结果小于或等于预设阈值)，将第一阶段斜率41做为基础斜率，并且基于这个基础斜率来推测当前压差数据到达所述目标压差条件191的预估可使用时数。另一方面，在认定第一阶段斜率41与第二阶段斜率42不相似时(即，所述比对结果大于预设阈值)，处理器10会改以第二阶段斜率42做为所述基础斜率，并且基于这个基础斜率来推测当前压差数据到达所述目标压差条件191的预估可使用时数。
具体来说，在决定了基础斜率后，处理器10可依据下列公式计算预估可使用时数：
Figure BDA0002323736170000091
其中Tp为预估可使用时数，Pd为目标压差条件191，P2为第二压差条件193(此时相等于当前压差数据)，SS为基础斜率。
所述目标压差条件191是由空调箱1的管理人员所自行认定的(例如以150Pa为例)，而所述初始压差数据则因滤网12的品质、类型而所有不同(例如以50Pa为例)。于一实施例中，空调箱1可依据预设的调整系数来自动产生用以代表第一阶段的第一压差条件192以及用以代表第二阶段的第二压差条件193。
于一实施例中，空调箱1可预先设定第一调整系数(例如0.2)以及第二调整系数(例如0.4)，其中，令第二调整系数为第一调整系数的倍数。基于上述第一调整系数与第二调整系数，处理器10可依据下列第一计算公式自动计算第一压差条件192，并依据下列第二计算公式自动计算第二压差条件193。
第一计算公式：
第一压差条件192＝初始压差数据+(目标压差条件191×第一调整系数)。
第二计算公式：
第二压差条件193＝初始压差数据+(目标压差条件191×第二调整系数)。
举例来说，假设初始压差数据为50Pa、目标压差条件191为150Pa、第一调整系数为0.2、第二调整系数为0.4，则第一压差条件192为：50Pa+(150Pa×0.2)＝80Pa，第二压差条件193为：50Pa+(150Pa×0.4)＝110Pa。惟，上述仅为本发明的其中一种实施范例，但不以此为限。
请参阅图3，为本发明的预警流程图的第一具体实施例。图3揭露了本发明的空调箱的元件效能衰退预警方法(下面将于说明书中简称为预警方法)，所述预警方法主要应用于如图1及图2所示的空调箱1。
首先，空调箱1的处理器10先取得管理人员设定的所述目标压差条件191(步骤S10)，并且再基于目标压差条件191、初始压差数据、第一调整系数及第二调整系数来计算所述第一压差条件192及第二压差条件193(步骤S12)。于另一实施例中，空调箱1亦可在原厂出产时即预设所述目标压差条件191、第一压差条件192及第二压差条件193，并储存至存储单元19，而不待管理人员设定，藉此可提升使用便利性。
接着，处理器10可控制空调箱1开始运转(步骤S14)，并且于空调箱1运转时持续记录送风机11的运转时数，并控制压差传送器14持续计算并记录当前压差数据(步骤S16)。
本实施例中，所述当前压差数据主要是指滤网12的前、后两侧的压力值的差值，但不加以限定。如图1所示，空调箱1中还可包括用来对空气进行冷却或加热的热交换盘管13。由于空调箱1内的空气需要流经热交换盘管13才能达到冷却或加热的目的，因此热交换盘管13上亦可能会堆积空气中夹带的污染物，而导致热交换效能的衰退。于另一实施例中，所述压差传送器14亦可设置于热交换盘管13的前、后两侧。于此实施例中，所述当前压差数据亦可为热交换盘管13的前、后两侧的压力值的差值。
为便于说明，下面将于说明书中以计算滤网12前、后两侧的压差数据为例，进行说明。
值得一提的是，于上述步骤S16中，处理器10还同时记录空调箱1的其他运转数据3，例如外气风门15的开启时数、外气风门15的开启程度、外气品质、回风品质等，以利对所述预估可使用时数做更精准的预测(容后详述)。
在空调箱1开始运转后，处理器10持续监控所述当前压差数据，并且于当前压差数据到达所述第一压差条件192时，依据第一压差条件192、初始压差数据及该送风机11的运转时数来计算第一阶段斜率41(步骤S18)。于步骤S18中，送风机11的运转时数是指空调箱1自启动到当前压差数据到达第一压差条件192时的累积运转时间。
在当前压差数据到达所述第一压差条件192之后，处理器10仍持续监控所述当前压差数据，并且于当前压差数据到达所述第二压差条件193时，依据第二压差条件193、第一压差条件192及该送风机11的运转时数来计算第二阶段斜率42(步骤S20)。于步骤S20中，送风机11的运转时数是指空调箱1从当前压差数据到达第一压差条件192后至当前压差数据到达第二压差条件193时的累积运转时间。
在计算了第一阶段斜率41与第二阶段斜率42后，处理器10对第一阶段斜率41与第二阶段斜率42进行比对，并且判断比对结果是否小于或等于预设阈值(步骤S22)。当所述比对结果小于或等于预设阈值时，处理器10将第一阶段斜率41做为基础斜率(步骤S24)，而当以比对结果大于预设阈值时，处理器10将第二阶段斜率42做为基础斜率(步骤S26)。
最后，处理器10即可借由所述基础斜率(即，第一阶段斜率41或第二段斜率42)来进行运算，以基于基础斜率推测出当前压差数据到达目标压差条件191的预估可使用时数(步骤S28)。
请同时参阅图4，为本发明的斜率示意图的第一具体实施例。图4中是以初始压差数据为50Pa、第一压差条件192为80Pa、第二压差条件193为110Pa、目标压差条件191为150Pa为例，举例说明。
如图4所示，在空调箱1开始运转后，处理器10会持续监控并记录滤网12和/或热交换盘管13的前、后两侧的压差数据(即，当前压差数据)，并且记录当前压差数据由初始压差数据增加到第一压差条件192间送风机11的累积运转时数，再依据初始压差数据、第一压差条件192及送风机11的运转时数计算第一阶段斜率41。
并且，随着空调箱1的运转，当前压差数据会随着滤网12和/或热交换盘管13上的污染物堆积而持续增加，而处理器10也会持续记录当前压差数据由第一压差条件192增加到第二压差条件193间送风机11的累积运转时数，并且再依据第一压差条件192、第二压差条件193及送风机11的运转时数计算第二阶段斜率42。
如前文所述，若第一阶段斜率41与第二阶段斜率42相似，表示空调箱1的运转条件及空气品质的变化不大，因此处理器10直接基于第一阶段斜率41来预测当前压差数据到达目标压差条件191的预估可使用时数，或者，处理器10亦可基于第二阶段斜率42来预测的预估可使用时数(因为第一阶段斜率41与第二阶段斜率42的差异不大)。反之，若第一阶段斜率41与第二阶段斜率42不相似，处理器10则改为基于第二阶段斜率42来预测所述预估可使用时数。
具体地说，本发明是在当前压差数据到达第二压差条件193时，借由如图3所示的预警方法来计算并即时显示所述预估可使用时数，以令管理人员知晓当前的元件衰退状况(即，滤网12、热交换盘管13剩余的可使用时数)。由于此时当前压差数据与目标压差条件191还有一段差距，因此管理人员有足够的时间可以提前安排滤网12/热交换盘管13的维护保养作业。
值得一提的是，由于空调箱1还需要运转一段时间后，当前压差数据才会到达目标压差条件191，而在这段时间中，空调箱1的运转条件及空气品质仍然可能产生剧烈变化，如此将导致处理器10基于所述第一阶段斜率41或第二阶段斜率42所预测的可使用时数不准确。据此，本发明更进一步提供了第三阶段的动态预测程序(容下详述)。
如图1及图2所示，本发明的空调箱1还包括设置在靠近入风口21处且用以令外气流入空调箱1中的外气风门15，以及电性连接外气风门15及处理器10并用以控制外气风门15的开启、关闭以及开启程度(例如大、中、小)的风门驱动器16。由于外气风门15的开启时数以及开启程度会大幅影响流入空调箱1中的外气的量，因此处理器10会在空调箱1开启运转后持续记录外气风门15的开启时数以及开启程度(例如于图3所示的步骤S16中持续记录)，并储存至存储单元19中做为运转数据3的其中之一。
另，本发明的空调箱1进一步包括设置在空调箱1外部，与处理器10通讯连接，并用以检测外气品质的外气品质传送器18。由于外气品质会大幅影响流入空调箱1中的外气的脏污程度，因此处理器10会在空调箱1开始运转后持续记录外气品质传送器18所检测的外气品质(例如于图3所示的步骤S16中持续记录)，并储存至存储单元19中做为运转数据3的其中之一。
请同时参阅图5，为本发明的斜率调整方程式建立流程图的第一具体实施例。
本发明中，处理器10会在空调箱1开始运转后持续将空调箱1的各项运转数据3记录于存储单元19的log档中(例如所述送风机11的运转时数、所述外气风门15的开启时数与开启程度、所述外气品质等)。当所述当前压差数据到达了第二压差条件193，且处理器10已经预测并显示了预估可使用时数后，处理器10可进一步由存储单元19中读取已经记录的送风机11的运转时数、外气风门15的开启时数与开启程度、以及外气品质等运转数据3(步骤S40)，以做为如图4所示的动态斜率43的计算基础。
具体地，处理器10是基于送风机11的运转时数、外气风门15的开启时数与开启程度、外气品质以及在图3的步骤S28中决定的基础斜率来执行线性回归计算，以得到所述送风机11的运转时数、外气风门15的开启时数、外气风门15的开启程度以及外气品质分别相对于所述基础斜率的第一影响系数、第二影响系数、第三影响系数及第四影响系数(步骤S42)。本实施例中，所述第一影响系数、第二影响系数、第三影响系数及第四影响系数分别为常数系数。
步骤S42后，处理器10即可依据第一影响系数、第二影响系数、第三影响系数及第四影响系数来建立一个调整公式(步骤S44)。于一实施例中，所述调整公式主要为一个一次方程式，并且是用来依据空调箱1的各项运转数据3动态产生所述动态斜率43。如此一来，处理器10可以在当前压差数据到达目标压差条件191前，借由动态斜率43来持续更新各项元件(例如滤网12或热交换盘管13)的预估可使用时数。
于一实施例中，所述调整公式可例如为：S＝a0+a1W+a2X+a3Y+a4Z，其中S为动态斜率43，a0为误差系数，a1为第一影响系数，W为送风机11的日累积运转时数，a2为第二影响系数，X为外气风门15的日累积开启时数，a3为第三影响系数，Y为外气风门15的日平均开启程度，a4为第四影响系数，Z为该外气品质的日平均值。
具体地说，所述第一影响系数、第二影响系数、第三影响系数与第四影响系数分别为送风机11的日累积运转时数、外气风门15的日累积开启时数、外气风门15的日平均开启程度以及外气品质的日平均值相对于所述动态斜率43的权重。处理器10取得所述送风机11的日累积运转时数、外气风门15的日累积开启时数与日平均开启程度以及外气品质的日平均值后，汇入上述调整公式中，即可以日为单位(即，24小时)计算出所述动态斜率43。
值得一提的是，如图1所示，空调箱1还可在靠近入风口21处设置有一个回风风门17。所述回风风门17用以令室内空气回流入空调箱1中，并且经过滤网12的过滤以及热交换盘管13的冷却/加热后，再经由送风机11的运转而自出风口22再次流入室内空间中。于一实施例中，空调箱1还可具有设置在靠近回风风门17处的室内空气品质传送器(图未标示)，此室内空气品质传送器与处理器10通讯连接，并用以感测回风品质。
于此实施例中，处理器10会在空调箱1的运转过程中持续记录回风品质，并做为所述运转数据3的其中之一。于本实施例中，所述调整公式可例如为：S＝a0+a1W+a2X+a3Y+a4Z+a5R，其中a5为回风品质相对前述基础斜率的第五影响系数，而R为回风品质的日平均值。换句话说，除了前述的送风机11的运转时数、外气风门15的开启时数、外气风门15的开启程度以及外气品质外，处理器10还可采用其他的运转数据3来做为动态斜率43的计算基准，藉此更精准地进行滤网12、热交换盘管13等元件的预估可使用时数的预测动作。
续请参阅图6，为本发明的预警流程图的第二具体实施例。于本实施例中，处理器10会在当前压差数据到达第二压差条件193后开始计算空调箱1的运转时间，并且判断运转时间是否超过预设时间周期(步骤S50)。于一实施例中，所述预设时间周期可为小时(例如168小时)、天数(例如10天)或月数(例如1个月)等，不加以限定。并且，于运转时间尚未经过预设时间周期前，处理器10返回步骤S50，以持续记录空调箱1的运转数据3并计算运转时间。
于运转时间超过预设时间周期时，处理器10从存储单元19中读取目前记录的所有运转数据3，并且计算送风机11的日累积运转时数、外气风门15的日累积开启时数与日平均开启程度、以及外气品质的日平均值，并且将上述送风机11的日累积运转时数、外气风门15的日累积开启时数与日平均开启程度、以及外气品质的日平均值汇入调整公式中，以计算所述动态斜率43(步骤S52)。
于步骤S52后，处理器10即可依据动态斜率43来更新所述预估可使用时数(步骤S54)。具体地，处理器10可依据下列公式来计算预估可使用时数：
Figure BDA0002323736170000151
其中Tp为预估可使用时数、S为动态斜率43、Pd为目标压差条件191、Pc为当前压差数据。
步骤S54后，处理器10可进一步通过空调箱1上的显示器(图未标示)来显示更新后的预估可使用时数，或是将更新后的预估可使用时数传送至外部的电子设备上显示(步骤S56)。藉此，管理人员可以有效得知上述滤网12、热交换盘管13等元件目前的效能衰退状况，进而提早安排相关的维护保养作业。
并且，于更新了预估可使用时数后，处理器10可将空调箱1的运转时间归零，藉此重新计算下一次需要更新预估可使用时数的时间点。
本发明中，处理器10在空调箱1的运转期间持续判断当前压差数据是否已经到达了目标压差条件191(步骤S58)，并且于当前压差数据到达目标压差条件191前持续执行前述步骤S50至步骤S56，以持续以所述预设时间周期为单位来更新滤网12、热交换盘管13等元件的预估可使用时数。
值得一提的是，若在当前压差数据到达目标压差条件191前，管理人员已对滤网12、热交换盘管13等元件进行了维护保养(例如更换新的滤网12，或是对热交换盘管13进行了清洁)，则在维护保养作业后，压差传送器14所计算的当前压差数据将会大幅下降(例如下降至等于或接近初始压差数据)。此时，处理器10可返回至图3所示的预警方法，以重新计算第一阶段斜率41与第二阶段斜率42，并基于基础斜率来重新预测滤网12、热交换盘管13等元件的预估可使用时数。
反之，若当前压差数据已经到达了目标压差条件191，但管理人员仍未对目标元件(例如滤网12或热交换盘管13)进行维护保养作业，则处理器10可通过内建的显示器、扬声器或外部的电子装置来发出告警信息(步骤S60)，藉此通知管理人员即时执行维护保养作业。
通过本发明的技术方案，管理人员可以有效掌握空调箱的内部元件的效能衰退状况，并可提前安排空调箱的维护保养作业，同时妥善安排相关耗材的购买与仓储。是以，管理效率可以被有效地提升，且管理成本也可达到最佳化。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (17)

1.一种空调箱的元件效能衰退预警方法，应用于至少具有一送风机、一滤网及设置于该滤网两侧的一压差传送器的一空调箱，其特征在于，该元件效能衰退预警方法包括下列步骤：
a)取得该空调箱的一目标压差条件，并依据该目标压差条件计算一第一压差条件及一第二压差条件，其中该第二压差条件小于该目标压差条件，该第一压差条件小于该第二压差条件；
b)控制该空调箱开始运转，持续记录该送风机的运转时数，并由该压差传送器持续计算一当前压差数据；
c)于该当前压差数据到达该第一压差条件时，依据该第一压差条件、一初始压差数据及该送风机的运转时数计算一第一阶段斜率；
d)于该当前压差数据到达该第二压差条件时，依据该第二压差条件、该第一压差条件及该送风机的运转时数计算一第二阶段斜率；
e)比对该第一阶段斜率与该第二阶段斜率并产生一比对结果，其中该比对结果为该第一阶段斜率与该第二阶段斜率的一差值百分比；
f)于该比对结果小于或等于一预设阈值时，将该第一阶段斜率做为一基础斜率以推测该当前压差数据到达该目标压差条件的一预估可使用时数；及
g)于该比对结果大于该预设阈值时，将该第二阶段斜率做为该基础斜率以推测该当前压差数据到达该目标压差条件的该预估可使用时数。
2.根据权利要求1所述的空调箱的元件效能衰退预警方法，其特征在于，该步骤a)依据一第一计算公式计算该第一压差条件，并依据一第二计算公式计算该第二压差条件；
其中，该第一计算公式为：该初始压差数据+(该目标压差条件＊一第一调整系数)；该第二计算公式为：该初始压差数据+(该目标压差条件＊一第二调整系数)，其中该第二调整系数为该第一调整系数的倍数。
3.根据权利要求1所述的空调箱的元件效能衰退预警方法，其特征在于，该预设阈值小于8％。
4.根据权利要求3所述的空调箱的元件效能衰退预警方法，其特征在于，该预设阈值为5％。
5.根据权利要求1所述的空调箱的元件效能衰退预警方法，其特征在于，该目标压差条件为150Pa。
6.根据权利要求1所述的空调箱的元件效能衰退预警方法，其特征在于，该空调箱还包括令外气流入该空调箱的一外气风门、控制该外气风门启闭及开启程度的一风门驱动器及检测该空调箱外部的一外气品质的一外气品质传送器，该步骤b)持续记录该外气风门的开启时数、该外气风门的开启程度以及该外气品质。
7.根据权利要求6所述的空调箱的元件效能衰退预警方法，其特征在于，更包括下列步骤：
h)取得该当前压差数据到达该第二压差条件前记录的该送风机的运转时数、该外气风门的开启时数与开启程度及该外气品质；
i)基于该送风机的运转时数、该外气风门的开启时数、该外气风门的开启程度、该外气品质及该基础斜率执行一线性回归计算；及
j)依据该线性回归计算的计算结果产生该送风机的运转时数、该外气风门的开启时数、该外气风门的开启程度及该外气品质分别相对于该基础斜率的一第一影响系数、一第二影响系数、一第三影响系数及一第四影响系数，其中该第一影响系数、该第二影响系数、该第三影响系数及第四影响系数为常数系数。
8.根据权利要求7所述的空调箱的元件效能衰退预警方法，其特征在于，更包括下列步骤：
k)判断一预设时间周期是否经过；
l)于该预设时间周期经过时依据一调整公式产生一动态斜率；及
m)依据该动态斜率更新该预估可使用时数；
其中该调整公式为：S＝a0+a1W+a2X+a3Y+a4Z；其中S为该动态斜率，a0为误差系数，a1为该第一影响系数，W为该送风机的日累积运转时数，a2为该第二影响系数，X为该外气风门的日累积开启时数，a3为该第三影响系数，Y为该外气风门的日平均开启程度，a4为该第四影响系数，Z为该外气品质的日平均值。
9.根据权利要求8所述的空调箱的元件效能衰退预警方法，其特征在于，更包括下列步骤：
n)显示更新后的该预估可使用时数；
o)判断该当前压差数据是否到达该目标压差条件；及
p)于该当前压差数据到达该目标压差条件前重复执行该步骤k)至该步骤n)。
10.一种具有元件效能衰退预警功能的空调箱，其特征在于，包括：
一送风机，设置于一出风口；
一滤网，设置于一入风口与及该出风口之间；
一压差传送器，设置于该滤网两侧，检测该滤网两侧的一当前压差数据；
一存储单元，记录一目标压差条件、一第一压差条件及一第二压差条件，其中该第二压差条件小于该目标压差条件，该第一压差条件小于该第二压差条件；
一处理器，连接该送风机、该压差传送器及该存储单元，于该空调箱运转时持续记录该送风机的运转时数及该当前压差数据，于该当前压差数据到达该第一压差条件时依据该第一压差条件、一初始压差数据及该送风机的运转时数计算一第一阶段斜率，并且于该当前压差数据到达该第二压差条件时依据该第二压差条件、该第一压差条件及该送风机的运转时数计算一第二阶段斜率；
其中，该处理器于该第一阶段斜率与该第二阶段斜率的一比对结果小于或等于一预设阈值时将该第一阶段斜率做为一基础斜率以推测该当前压差数据到达该目标压差条件的一预估可使用时数，并且于该比对结果大于该预设阈值时将该第二阶段斜率做为该基础斜率以推测该当前压差数据到达该目标压差条件的该预估可使用时数，其中该比对结果为该第一阶段斜率与该第二阶段斜率的一差值百分比。
11.根据权利要求10所述的空调箱，其特征在于，该处理器依据一第一计算公式计算该第一压差条件，并依据一第二计算公式计算该第二压差条件；该第一计算公式为：该初始压差数据+(该目标压差条件＊一第一调整系数)；该第二计算公式为：该初始压差数据+(该目标压差条件＊一第二调整系数)，其中该第二调整系数为该第一调整系数的倍数。
12.根据权利要求10所述的空调箱，其特征在于，该预设阈值小于8％。
13.根据权利要求12所述的空调箱，其特征在于，该预设阈值为5％。
14.根据权利要求10所述的空调箱，其特征在于，该目标压差条件为150Pa。
15.根据权利要求10所述的空调箱，其特征在于，更包括：
一外气风门，用以令外气流入该空调箱中；
一风门驱动器，电性连接该外气风门并控制该外气风门的启闭及开启程度；及
一外气品质传送器，设置于该空调箱外，用以检测一外气品质；
其中，该处理器连接该风门驱动器及该外气品质传送器，并且于该空调箱运转时持续记录该外气风门的开启时数与开启程度以及该外气品质。
16.根据权利要求15所述的空调箱，其特征在于，该处理器于该当前压差数据到达该第二压差条件时，基于该送风机的运转时数、该外气风门的开启时数与开启程度、该外气品质及该基础斜率执行一线性回归计算，以产生该送风机的运转时数、该外气风门的开启时数、该外气风门的开启程度及该外气品质分别相对于该基础斜率的一第一影响系数、一第二影响系数、一第三影响系数及一第四影响系数，其中该第一影响系数、该第二影响系数、该第三影响系数及该第四影响系数为常数系数。
17.根据权利要求16所述的空调箱，其特征在于，该处理器于该当前压差数据到达该第二压差条件后持续计算一预设时间周期，于该预设时间周期经过时依据一调整公式计算一动态斜率，并且依据该动态斜率更新该预估可使用时数，其中该调整公式为：S＝a0+a1W+a2X+a3Y+a4Z；其中S为该动态斜率，a0为误差系数，a1为该第一影响系数，W为该送风机的日累积运转时数，a2为该第二影响系数，X为该外气风门的日累积开启时数，a3为该第三影响系数，Y为该外气风门的日平均开启程度，a4为该第四影响系数，Z为该外气品质的日平均值。
CN201911308134.9A 2019-04-03 2019-12-18 具有元件效能衰退预警功能的空调箱及其预警方法 Active CN111795482B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962828505P 2019-04-03 2019-04-03
US62/828,505 2019-04-03
TW108145101A TWI719748B (zh) 2019-04-03 2019-12-10 具有元件效能衰退預警功能的空調箱及其預警方法
TW108145101 2019-12-10

Publications (2)

Publication Number Publication Date
CN111795482A CN111795482A (zh) 2020-10-20
CN111795482B true CN111795482B (zh) 2021-10-26

Family

ID=72661605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911308134.9A Active CN111795482B (zh) 2019-04-03 2019-12-18 具有元件效能衰退预警功能的空调箱及其预警方法

Country Status (2)

Country Link
US (1) US11092351B2 (zh)
CN (1) CN111795482B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112506908A (zh) * 2020-12-10 2021-03-16 云南电网有限责任公司玉溪供电局 一种电能计量数据清洗方法和系统
CN113757824A (zh) * 2021-08-30 2021-12-07 重庆海尔空调器有限公司 一种新风空调室外机的控制方法以及新风空调
CN113742931B (zh) * 2021-09-13 2024-01-26 中国电子信息产业集团有限公司第六研究所 一种区块链边缘安全检测方法、系统、电子设备
CN114198833B (zh) * 2021-11-17 2023-08-15 青岛海尔空调电子有限公司 用于控制加湿器的方法、装置、加湿器和存储介质
CN117073136B (zh) * 2023-10-16 2023-12-22 兴化市三青过滤设备制造有限公司 一种基于安全值校验的过滤网清洁提醒方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004037383A1 (en) * 2002-10-18 2004-05-06 Pti Technologies, Inc. Prognostic health monitoring of fluidic systems using mems (micro-electromechanical systems)
CN1894641A (zh) * 2003-12-17 2007-01-10 开利公司 Hvac系统中受阻塞过滤器的检测
CN102200076A (zh) * 2010-03-23 2011-09-28 通用汽车环球科技运作有限责任公司 用于确定空气过滤器剩余使用寿命的方法
TW201524580A (zh) * 2013-10-02 2015-07-01 Paul Wurth Umwelttechnik Gmbh 附帶自動調整清洗系統的過濾器裝置
TWM507514U (zh) * 2014-10-17 2015-08-21 Jun-An Chen 空氣濾網之偵測裝置
CN105987820A (zh) * 2015-02-12 2016-10-05 苏州宝时得电动工具有限公司 空气净化器净化装置寿命预测方法和系统
CN107054014A (zh) * 2017-02-28 2017-08-18 上海蔚来汽车有限公司 汽车空调滤网使用寿命的检测方法和装置
CN108201751A (zh) * 2016-12-16 2018-06-26 萨柏科技有限公司 空气清净装置
CN108627439A (zh) * 2017-03-15 2018-10-09 阿杰·查米莱斯股份有限公司 自学习过滤器寿命估计方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5036698A (en) * 1990-05-04 1991-08-06 Allied-Signal Inc. Method and apparatus for predicting life of air filter cartridges
US6228155B1 (en) 1999-08-24 2001-05-08 Kuo Cheng Tai Automatic detection and warning device of filtering net in air conditioner
US6471853B1 (en) * 2000-11-22 2002-10-29 Pti Technologies, Inc. Prognostic health monitoring of fluidic systems using MEMS technology
US7261762B2 (en) * 2004-05-06 2007-08-28 Carrier Corporation Technique for detecting and predicting air filter condition
US8849986B2 (en) * 2006-08-14 2014-09-30 Samsung Electronics Co., Ltd System and method for presence notification based on presence attribute
TW201122379A (en) 2009-12-17 2011-07-01 Matsushita Electric Tw Co Ltd conditioning device.
US20110185895A1 (en) 2010-02-03 2011-08-04 Paul Freen Filter apparatus and method of monitoring filter apparatus
US9104211B2 (en) * 2010-11-19 2015-08-11 Google Inc. Temperature controller with model-based time to target calculation and display
US10119718B2 (en) * 2011-06-20 2018-11-06 Honeywell International Inc. Methods and systems for monitoring an air filter of an HVAC system
US8613792B2 (en) 2011-06-20 2013-12-24 Honeywell International Inc. Method and systems for setting an air filter change threshold value in an HVAC system
TWI432686B (zh) 2011-08-03 2014-04-01 Univ Nat Taipei Technology Monitoring system and method of refrigeration equipment
US20160327491A1 (en) 2014-01-06 2016-11-10 3M Innovative Properties Company Colorimetric indicator responsive to air flow
CN105092270B (zh) * 2014-05-13 2018-04-10 上海汽车集团股份有限公司 车用空调箱的检测方法和装置
CN105363298B (zh) 2014-08-15 2017-11-03 台达电子工业股份有限公司 具滤网脏污检测功能的换气设备及其检测方法
CA2969381C (en) * 2014-12-01 2023-12-05 3M Innovative Properties Company Systems and methods for predicting hvac filter change
US9599071B2 (en) * 2015-06-03 2017-03-21 Ford Global Technologies, Llc Systems and methods for canister filter diagnostics
CN107562998B (zh) * 2017-07-31 2021-07-13 广东美的环境电器制造有限公司 滤网寿命的判定方法、判定系统和计算机设备
EP3675984A4 (en) 2017-08-29 2021-04-28 3M Innovative Properties Company DETECTION OF THE CONDITION OF THE AIR FILTER
CN107825939A (zh) 2017-09-11 2018-03-23 惠州市德赛西威汽车电子股份有限公司 一种汽车空调滤网使用寿命的检测方法和装置
TWI646420B (zh) 2017-12-12 2019-01-01 台達電子工業股份有限公司 空調設備的濾網壽命告警系統及告警方法
CN108105941A (zh) * 2017-12-19 2018-06-01 广东美的制冷设备有限公司 空气净化设备及其滤网寿命估算方法、装置
CN208588052U (zh) 2018-06-26 2019-03-08 安徽应力环保科技有限公司 一种新风空调的控制系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004037383A1 (en) * 2002-10-18 2004-05-06 Pti Technologies, Inc. Prognostic health monitoring of fluidic systems using mems (micro-electromechanical systems)
CN1894641A (zh) * 2003-12-17 2007-01-10 开利公司 Hvac系统中受阻塞过滤器的检测
CN102200076A (zh) * 2010-03-23 2011-09-28 通用汽车环球科技运作有限责任公司 用于确定空气过滤器剩余使用寿命的方法
TW201524580A (zh) * 2013-10-02 2015-07-01 Paul Wurth Umwelttechnik Gmbh 附帶自動調整清洗系統的過濾器裝置
TWM507514U (zh) * 2014-10-17 2015-08-21 Jun-An Chen 空氣濾網之偵測裝置
CN105987820A (zh) * 2015-02-12 2016-10-05 苏州宝时得电动工具有限公司 空气净化器净化装置寿命预测方法和系统
CN108201751A (zh) * 2016-12-16 2018-06-26 萨柏科技有限公司 空气清净装置
CN107054014A (zh) * 2017-02-28 2017-08-18 上海蔚来汽车有限公司 汽车空调滤网使用寿命的检测方法和装置
CN108627439A (zh) * 2017-03-15 2018-10-09 阿杰·查米莱斯股份有限公司 自学习过滤器寿命估计方法

Also Published As

Publication number Publication date
US20200318841A1 (en) 2020-10-08
CN111795482A (zh) 2020-10-20
US11092351B2 (en) 2021-08-17

Similar Documents

Publication Publication Date Title
CN111795482B (zh) 具有元件效能衰退预警功能的空调箱及其预警方法
US11269306B2 (en) HVAC system with building infection control
US8041542B2 (en) Method and apparatus for equipment health monitoring
CN109074066B (zh) 优化过滤器寿命周期的方法和监测通风系统的系统
US9291358B2 (en) Accuracy-optimal control decisions for systems
JP2020521200A (ja) ビルディング機器用のモデル予測的メンテナンスシステム
US20140142727A1 (en) SPC Fault Detection and Diagnostics Algorithm
JP2009079843A (ja) 機器監視装置および遠隔監視システム
JP2019105432A (ja) 空調設備のフィルタ寿命警報システム及びその警報方法
US11635242B2 (en) Monitoring method of cooling system and monitoring device thereof
JP2010198362A (ja) 空気調和設備の遠隔保守管理システムおよび遠隔保守管理サーバ
CN110749035B (zh) 空调器的滤尘网的堵塞程度的判定方法及空调器
KR20190089661A (ko) 배치공간의 공기질에 기반하여 공기청정제어장치를 제어하는 서버장치 및 이를 제어하는 방법
JP2009056446A (ja) フィルタ履歴管理装置
TWI719748B (zh) 具有元件效能衰退預警功能的空調箱及其預警方法
JP2006276924A (ja) 設備機器診断装置及び設備機器診断プログラム
JP2024038458A (ja) 空気調和機の支援システム
JP2006266609A (ja) 空調機の異常診断システム
JP2002007550A (ja) 清掃管理システム
JP4809029B2 (ja) 熱量計

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