CN112146903B - 故障识别方法 - Google Patents

故障识别方法 Download PDF

Info

Publication number
CN112146903B
CN112146903B CN201910558981.4A CN201910558981A CN112146903B CN 112146903 B CN112146903 B CN 112146903B CN 201910558981 A CN201910558981 A CN 201910558981A CN 112146903 B CN112146903 B CN 112146903B
Authority
CN
China
Prior art keywords
target monitoring
equipment
abnormal
identification method
knowledge graph
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
CN201910558981.4A
Other languages
English (en)
Other versions
CN112146903A (zh
Inventor
蒋朵拉
宋德超
贾巨涛
吴伟
张伟伟
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201910558981.4A priority Critical patent/CN112146903B/zh
Publication of CN112146903A publication Critical patent/CN112146903A/zh
Application granted granted Critical
Publication of CN112146903B publication Critical patent/CN112146903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明涉及一种故障识别方法，涉及智能家电技术领域，用于弥补现有设备故障监测方式的不足。本发明的故障识别方法，是基于知识图谱来横向对比目标监控区域内直接相关的目标监控设备状态，从而识别出异常设备，不仅能够监控设备自身状态，还能及时发现设备故障并分类处理，即使某一设备的其中一项功能异常也不会影响对该设备另外的功能的判断，因此在某些重要的时刻能够起到关键性的作用；同时，知识图谱是将目标监控区域内的设备进行关联，因此对异常设备的识别是综合考虑了环境内其他设备对该设备的影响因素。

Description

故障识别方法
技术领域
本发明涉及智能家电技术领域，特别地涉及一种故障识别方法。
背景技术
目前有很多中监控区域设备故障的方法，但是大部分方法都是通过设备的自检(例如设备短路、设备耗电量异常等)来识别其故障，更多更直观的监测则是用户在使用设备时才能发现的设备的某一项或某几项功能退化。这些设备故障监测方式固然有其优势，但无法在某些时刻起作用，比如空调设备自身检测温度功能受到损坏时无从对比制冷效率时，同时也无法综合考虑环境内其他电器对设备本身的影响因素。
发明内容
本发明提供一种故障识别方法，用于解决现有技术中存在上述技术问题。
本发明提供一种故障识别方法，包括以下操作步骤：
S1：根据目标监控区域内所有目标监控设备的信息构建知识图谱；
S2：根据所述知识图谱，通过对比目标监控区域内的直接相关的目标监控设备的运行数据是否符合预定范围来识别监控区域内的异常设备和/或异常功能。
在一个实施方式中，所述知识图谱的节点为目标监控设备、目标监控设备的工作模式和目标监控设备的功能中的一个或多个，所述知识图谱的连线为功能相关关系、参数相关关系和同义词关系中的一个或多个。
在一个实施方式中，所述直接相关的目标监控设备为至少能够实现同一功能的目标监控设备。
在一个实施方式中，步骤S2包括以下子步骤：
S21：根据所述知识图谱，对比直接相关的目标监控设备分别针对同一参数的测量值；
S22：若至少一个目标监控设备的测量值与其他目标监控设备的测量值之间的差异超出预定范围，则判断该目标监控设备的异常是否由设备运行造成，若否，则将该目标监控设备的此项功能识别为异常功能。
在一个实施方式中，步骤S2包括以下子步骤：
S21：根据所述知识图谱，对比直接相关的目标监控设备分别针对同一功能对目标监控区域环境的影响程度；
S22：若至少一个目标监控设备对目标监控区域环境的影响程度与其他目标监控设备对目标监控区域环境的影响程度之间的差异超出预定范围，则将该目标监控设备识别为异常设备。
在一个实施方式中，所述目标监控设备包括空气调节设备、空调、加湿器、除湿机、风扇、制热器中的一个或多个。
在一个实施方式中，所述工作模式包括自然模式、睡眠模式、湿度模式、温度模式、静音模式、和自动模式中的一个或多个。
在一个实施方式中，所述知识图谱根据目标监控区域内的目标监控设备的运行状态实时进行更新。
在一个实施方式中，还包括以下操作步骤：
S3：分别形成故障设备的错误报告并发送给预设的设备或终端。
本发明提供一种存储介质，其中存储有多条指令，所述指令用于由终端设备进行加载并执行上述的步骤。
与现有技术相比，本发明的优点在于：基于知识图谱来横向对比目标监控区域内直接相关的目标监控设备状态，从而识别出异常设备，不仅能够监控设备自身状态，还能及时发现设备故障并分类处理，即使某一目标监控设备的其中一项功能异常也不会影响对该设备另外的功能的判断，因此在某些重要的时刻能够起到关键性的作用；同时，知识图谱是将目标监控区域内的目标监控设备进行关联，因此对异常设备的识别是综合考虑了环境内其他目标监控设备对该目标监控设备的影响因素，从而能够弥补现有设备故障监测方式的不足。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。
图1是本发明的一个实施例中故障识别方法的流程图；
图2是本发明的一个实施例中知识图谱的示意图。
具体实施方式
下面将结合附图对本发明作进一步说明。
如图1所示，本发明提供一种故障识别方法，其包括以下步骤。
第一步，目标监控区域内的目标监控设备开始工作，获得目标监控区域内的所述目标监控设备的信息，根据这些目标监控设备的信息，构建目标监控区域内设备的知识图谱。
在下文中，“目标监控设备”被简称为“设备”。
其中，本发明所述的知识图谱包括节点和连线，节点为设备、设备的工作模式和设备的功能中的一个或多个，连线为功能相关关系、参数相关关系和同义词关系中的一个或多个。
可以理解地，本发明的设备可以包括智能家居范畴之类的所有家用电器。
如图2所示，其中的设备节点包括空气调节设备、空调、加湿器、除湿机、风扇、制热器中的一个或多个；设备的工作模式节点包括自然模式、睡眠模式、湿度模式、温度模式、静音模式、和自动模式中的一个或多个；设备的功能节点包括控温、除湿和吹风等。
连线为各相连的节点之间的相关关系。具体来说，该相关关系可以是功能相关，例如空调和加湿器之间的温度调节功能相关或除湿功能相关等。
此外，该相关关系还可以是参数相关关系，例如空调和除湿机之间均能测量“湿度”这一参数，空调和制热器均能测量“温度”这一参数)；或着，该相关关系还可以是同义词关系，例如温度、气温和空气温度之间互为同义词，暖气和电暖气之间互为同义词等等。
通过与上述设备之间的通信，能够获知目标监控区域内每个设备当前的状态信息，包括其工作参数、实现的功能等等，并将目标监控区域的设备进行关联已形成知识图谱。其中，与上述设备之间的通信方式可以采用先有技术中的通信方式，在此不再赘述。
在一个实施例中，知识图谱根据目标监控区域内的设备的状态实时进行更新。例如当某个异常设备的故障已经被排除后，知识图谱将更新该设备的状态，将其更新为正常状态；或者在目标监控区域中添加了新的设备，知识图谱会将该新设备与其他设备进行关联。
在知识图谱实时更新的基础上，重新对目标监控区域内的设备是否异常进行判断。
第二步，根据知识图谱，通过对比目标监控区域内的直接相关的设备的运行数据是否符合预定范围来识别目标监控区域内的异常设备和/或异常功能。其中，运行数据包括对某一参数的测量值以及对目标监控区域内环境的影响程度。
进一步地，本发明所述的直接相关的设备为至少能够实现同一功能的设备，即在知识图谱中，能够通过某一功能节点而相连的设备。例如，空调、加湿器以及除湿机均能实现“空气湿度检测”这一功能，因此空调、加湿器以及除湿机可以是直接相关的设备，空调、制热器就能实现“调节温度”这一功能，因此空调和制热器可以是直接相关的设备。
此外，本发明所述的异常是指，设备故障和/或设备的某项功能损坏。因此本发明通过知识图谱能够将设备的异常进行分类。
在一个实施例中，识别设备的异常功能(或故障功能)的具体操作如下：
首先，根据知识图谱，对比直接相关的设备分别针对同一参数的测量值；
其次，若至少一个设备的测量值与其他设备的测量值之间的差异超出预定范围，则判断该设备的异常是否由设备运行造成，若否，则将该设备的此项功能识别为异常功能。
例如直接相关的设备为空调、加湿器和除湿机，三者均具有加湿功能，并可通过知识图谱中“除湿”节点可以简明直接的关联在一起。针对“空气湿度”这一参数，分别获得空调、加湿器和除湿机的测量值。
可以理解地，该测量值是在类似的环境下进行测量，比如楼上楼下或同一个房间等。
根据这三个设备的测量值进行判断，若唯有空调A这一设备测量的湿度测量值与其他设备的湿度测量值明显不同，即其差异超出于预定范围，则先将该空调A识别为异常设备。
进一步地，判断该空调A的的异常是否由于设备运行影响而造成的，若否，则将空调A的湿度检测功能识别为异常功能，即空调A的湿度检测功能故障。
由此，完成通过知识图谱识别设备的异常功能操作。
在一个实施例中，识别异常设备(或故障设备)的具体操作如下：
首先，根据知识图谱，对比直接相关的设备分别针对同一功能对目标监控区域环境的影响程度；
其次，若至少一个设备对目标监控区域环境的影响程度与其他设备对目标监控区域环境的影响程度之间的差异超出预定范围，则将该设备识别为异常设备。
例如直接相关的设备为空调、加湿器、除湿机、风扇和机箱，上述设备均具有温度调节的功能，其中空调最为重要的一个功能就是温度调节功能，这几乎可以说就是空调存在的意义。
进一步地，根据上述设备对环境温度的影响程度进行判断，其影响程度之间的差异是否在预定范围之内。若空调对环境温度几乎没有影响，那么空调与其他设备之间对于环境的影响程度之间的差异显然非常显著，因此将空调识别为异常设备，并进一步地识别其制冷效率不正常。
第三步，分别形成故障设备的错误报告并发送给预设的设备或终端。针对设备的异常，分析错误类型，并将该报告发送给预设的设备或终端以提醒用户及时采取保修等措施。
综上所述，本发明是依据知识图谱网络，将目标监控区域内的设备进行关联，通过对比知识图谱中所有具有相同或相似功能的设备功能的状态以及处理效率等信息来识别异常设备故障并分类处理。
本发明还提供一种存储介质，其中存储有多条指令，所述指令用于由终端设备进行加载并执行上述的步骤。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (8)

1.一种故障识别方法，其特征在于，包括以下操作步骤：
S1：根据目标监控区域内所有目标监控设备的信息构建知识图谱；
S2：根据所述知识图谱，通过对比目标监控区域内的直接相关的目标监控设备的运行数据是否符合预定范围来识别监控区域内的异常设备和/或异常功能；
所述知识图谱的节点为目标监控设备、目标监控设备的工作模式和目标监控设备的功能中的多个，所述知识图谱的连线为功能相关关系、参数相关关系和同义词关系中的多个；
所述目标监控设备包括空气调节设备、空调、加湿器、除湿机、风扇、制热器中的多个。
2.根据权利要求1所述的故障识别方法，其特征在于，所述直接相关的目标监控设备为至少能够实现同一功能的目标监控设备。
3.根据权利要求1所述的故障识别方法，其特征在于，步骤S2包括以下子步骤：
S21：根据所述知识图谱，对比直接相关的目标监控设备分别针对同一参数的测量值；
S22：若至少一个目标监控设备的测量值与其他目标监控设备的测量值之间的差异超出预定范围，则判断该目标监控设备的异常是否由设备运行造成，若否，则将该目标监控设备的此项功能识别为异常功能。
4.根据权利要求1所述的故障识别方法，其特征在于，步骤S2包括以下子步骤：
S21：根据所述知识图谱，对比直接相关的目标监控设备分别针对同一功能对目标监控区域环境的影响程度；
S22：若至少一个目标监控设备对目标监控区域环境的影响程度与其他目标监控设备对目标监控区域环境的影响程度之间的差异超出预定范围，则将该目标监控设备识别为异常设备。
5.根据权利要求1所述的故障识别方法，其特征在于，所述工作模式包括自然模式、睡眠模式、湿度模式、温度模式、静音模式、和自动模式中的一个或多个。
6.根据权利要求1所述的故障识别方法，其特征在于，所述知识图谱根据目标监控区域内的目标监控设备的运行状态实时进行更新。
7.根据权利要求1所述的故障识别方法，其特征在于，还包括以下操作步骤：
S3：分别形成故障设备的错误报告并发送给预设的设备或终端。
8.一种存储介质，其中存储有多条指令，其特征在于，所述指令用于由终端设备进行加载并执行如权利要求1-7中任一项所述的步骤。
CN201910558981.4A 2019-06-26 2019-06-26 故障识别方法 Active CN112146903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910558981.4A CN112146903B (zh) 2019-06-26 2019-06-26 故障识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910558981.4A CN112146903B (zh) 2019-06-26 2019-06-26 故障识别方法

Publications (2)

Publication Number Publication Date
CN112146903A CN112146903A (zh) 2020-12-29
CN112146903B true CN112146903B (zh) 2021-09-14

Family

ID=73869658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910558981.4A Active CN112146903B (zh) 2019-06-26 2019-06-26 故障识别方法

Country Status (1)

Country Link
CN (1) CN112146903B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050252296A1 (en) * 2000-04-20 2005-11-17 Vince Hock System and method for accessing ferrous surfaces normally accessible only with special effort
CN2847752Y (zh) * 2005-12-15 2006-12-13 海信集团有限公司 风扇运行故障检测电路及具有所述检测电路的电视机
JP2009174851A (ja) * 2009-05-11 2009-08-06 Ntt Facilities Inc 空調機監視システム、および空調機監視方法
CN101876322A (zh) * 2010-06-25 2010-11-03 中兴通讯股份有限公司 风扇控制方法及装置
CN105627516A (zh) * 2016-01-12 2016-06-01 芜湖美智空调设备有限公司 空调器的控制方法、装置和空调器
CN108105969A (zh) * 2017-12-15 2018-06-01 海南电网有限责任公司澄迈供电局 一种空调智能监测系统及空调的运行效率异常检测方法
CN109099552A (zh) * 2018-08-13 2018-12-28 南京优助智能科技有限公司 融合空间信息的中央空调末端设备控制系统及工作方法
CN109189946A (zh) * 2018-11-06 2019-01-11 湖南云智迅联科技发展有限公司 一种将设备故障语句描述转换为知识图谱表达的方法
CN109406168A (zh) * 2018-11-05 2019-03-01 重庆长安汽车股份有限公司 一种混合动力汽车的性能检测方法、装置、设备及介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767840A (zh) * 2018-12-13 2019-05-17 平安科技（深圳）有限公司 一种异常检测方法、异常检测装置及计算机可读存储介质
CN109460010B (zh) * 2018-12-18 2020-11-17 彩虹无线（北京）新技术有限公司 基于知识图谱的车辆故障检测方法、装置及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050252296A1 (en) * 2000-04-20 2005-11-17 Vince Hock System and method for accessing ferrous surfaces normally accessible only with special effort
CN2847752Y (zh) * 2005-12-15 2006-12-13 海信集团有限公司 风扇运行故障检测电路及具有所述检测电路的电视机
JP2009174851A (ja) * 2009-05-11 2009-08-06 Ntt Facilities Inc 空調機監視システム、および空調機監視方法
CN101876322A (zh) * 2010-06-25 2010-11-03 中兴通讯股份有限公司 风扇控制方法及装置
CN105627516A (zh) * 2016-01-12 2016-06-01 芜湖美智空调设备有限公司 空调器的控制方法、装置和空调器
CN108105969A (zh) * 2017-12-15 2018-06-01 海南电网有限责任公司澄迈供电局 一种空调智能监测系统及空调的运行效率异常检测方法
CN109099552A (zh) * 2018-08-13 2018-12-28 南京优助智能科技有限公司 融合空间信息的中央空调末端设备控制系统及工作方法
CN109406168A (zh) * 2018-11-05 2019-03-01 重庆长安汽车股份有限公司 一种混合动力汽车的性能检测方法、装置、设备及介质
CN109189946A (zh) * 2018-11-06 2019-01-11 湖南云智迅联科技发展有限公司 一种将设备故障语句描述转换为知识图谱表达的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Knowledge discovery of data-driven-based fault diagnostics for building energy systems: A case study of the building variable refrigerant flow system;Jiangyan Liu等;《Energy》;20190501;第174卷;873-885 *
基于医学知识图谱的疾病智能诊断研究;刘路等;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20190115(第1期);E080-104 *
调度自动化系统知识图谱的构建与应用;李新鹏等;《中国电力》;20190228;第52卷(第2期);70-77 *

Also Published As

Publication number Publication date
CN112146903A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
US10627124B2 (en) Systems and methods for auto-commissioning and self-diagnostics
CN111512094B (zh) 相对湿度控制系统和方法
US11739963B2 (en) HVAC analytics
US20220206484A1 (en) Methods and Apparatuses For Detecting Faults in HVAC Systems Based on Load Level Patterns
US10741059B2 (en) Systems and methods for handling latent anomalies
US20200049360A1 (en) Systems and methods for steady state detection
US10120375B2 (en) Systems and methods for retraining outlier detection limits in a building management system
US20160366010A1 (en) Building automation system with smart communications controller for building equipment
US10872511B2 (en) Intelligent space safety monitoring apparatus and system thereof
CN111322721A (zh) 一种空调故障检测处理方法、系统、存储介质及空调器
US20140316594A1 (en) Systems, devices, and methods for reducing safety risk and optimizing energy use
CN108107780A (zh) 智能家电的断电方法、装置、系统及计算机可读存储介质
CN111306706B (zh) 一种空调联动控制方法及系统
CN113654183A (zh) 空调机组的故障监测方法
US20140182313A1 (en) Process control of temperature and humidity for electrical appliances
CN110762806B (zh) 机房环境控制系统
AU2018423601A1 (en) Failure diagnosis system
CN112146903B (zh) 故障识别方法
CN108871616A (zh) 电机状态的识别方法及装置
CN110486888B (zh) 一种室内机控制主板异常判断方法、装置及空调机组
CN112161383A (zh) 一种空调的控制方法、装置、电子设备及存储介质
CN113531773A (zh) 一种多联空调故障检测方法、装置及多联空调
CN114110916B (zh) 空调水阀运行状态的检测方法、装置、存储介质及空调
CN110887177B (zh) 一种变电站空调联动的控制方法、设备、存储介质
de Sales et al. Proposal of fault detection and diagnosis system architecture for residential air conditioners based on the Internet of Things

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