CN113739348B - 冷媒状态的检测方法、空调器及存储介质 - Google Patents

Abstract

本发明公开了一种冷媒状态的检测方法，包括：获取所述空调器当前的实际冷媒参数，其中，所述实际冷媒参数包括吸气过热度、节流元器件的开度、排气过热度、排气压力、排气温度、过冷度以及吸气压力中的至少一种；根据所述空调器当前的运行参数获取参考冷媒参数；根据所述实际冷媒参数以及所述参考冷媒参数确定所述空调器的冷媒状态。本发明还公开了一种空调器及存储介质。本发明将空调器当前的实际冷媒参数与正常状态下空调器的参考冷媒参数进行比较，进而确定空调器的冷媒状态，具有判断及时、判断精度高的有益效果。

Description

冷媒状态的检测方法、空调器及存储介质

技术领域

本发明涉及空调器技术领域、尤其涉及一种冷媒状态的检测方法、空调器及存储介质。

背景技术

空调器工作一段时间后，存在冷媒泄露或冷媒过多的问题。现有技术中确定是否存在冷媒缺失或冷媒过多时，往往设置一个数值较大的预设值，通过比较检测的实际值与预设值，判断是否存在冷媒缺失或冷媒过多，只有在严重缺乏冷媒或冷媒严重过多的情况下，才判断出冷媒的状态，存在判断准确率低的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明实施例的主要目的在于提供一种冷媒状态的检测方法，旨在解决现有技术中空调器泄露少量冷媒或冷媒稍许过多时，判断准确率低的技术问题。

为解决上述问题，本发明实施例提供一种冷媒状态的检测方法，包括以下内容：

获取空调器当前的实际冷媒参数，其中，所述实际冷媒参数包括吸气过热度、节流元器件的开度、排气过热度、排气压力、排气温度、过冷度以及吸气压力中的至少一种；

根据所述空调器当前的运行参数获取参考冷媒参数；

根据所述实际冷媒参数以及所述参考冷媒参数确定所述空调器的冷媒状态。

可选地，所述当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速、当前导风板的状态、当前运行模式以及当前环境湿度中的至少一个。

可选地，所述根据所述实际冷媒参数以及所述参考冷媒参数确定所述空调器的冷媒状态的步骤包括以下至少一种：

在所述吸气过热度、所述节流元器件的开度以及所述排气过热度中的任一个大于对应的参考冷媒参数时，判定所述空调器冷媒缺失；

在所述过冷度大于对应的参考冷媒参数时，判定所述空调器冷媒过多；

在所述排气压力大于对应的参考冷媒参数，且所述排气温度小于对应的参考冷媒参数时，判定所述空调器冷媒过多；

在所述排气压力大于对应的参考冷媒参数，且所述吸气压力大于对应的参考冷媒参数，判定所述空调器冷媒过多。

可选地，所述吸气过热度通过吸气压力以及吸气温度得到；所述排气过热度通过排气温度以及排气压力得到，或者所述排气过热度通过所述排气温度以及目标换热器的中部温度得到；所述过冷度通过所述目标换热器的中部温度以及所述目标换热器的出管温度，其中，所述空调器处于制冷模式时，所述目标换热器为室外换热器；所述空调器处于制热模式时，所述目标换热器为室内换热器。

可选地，所述根据所述当前的运行参数获取所述参考冷媒参数的步骤还包括：

根据所述当前的运行参数以及预测模型得到所述参考冷媒参数，所述预测模型为神经网络模型。

可选地，所述预测模型通过以下步骤得到：

获取预设数量的运行参数以及所述运行参数对应的冷媒参数；

采用所述运行参数以及所述冷媒参数对预设神经网络模型进行训练，以得到所述预测模型。

可选地，所述根据所述当前的运行参数以及预测模型得到所述参考冷媒参数，所述预测模型为神经网络模型的步骤之后，所述冷媒状态的检测方法还包括：

获取所述当前的运行参数对应的标准冷媒参数；

比对所述参考冷媒参数以及标准冷媒参数以得到比对结果，并根据所述比对结果更新所述预测模型。

此外，为解决上述问题，本发明实施例还提供一种空调器，所述空调器包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的冷媒状态的检测程序，所述冷媒状态的检测程序被所述处理器执行时实现如上所述的冷媒状态的检测方法的步骤。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有冷媒状态的检测程序，所述冷媒状态的检测程序被处理器执行时实现如上所述的冷媒状态的检测方法的步骤。

本发明实施例提出的一种冷媒状态的检测方法，通过获取空调器的实际冷媒参数以及当前的运行参数对应的参考冷媒参数，根据实际冷媒参数以及参考冷媒参数确定空调器的冷媒状态，由于参考冷媒参数为正常空调器在当前的运行参数下的冷媒参数，随空调器当前的运行状态而变化，以将空调器当前的实际冷媒参数与正常状态下空调器的参考冷媒参数进行比较，进而确定空调器的冷媒状态，具有判断及时、判断精度高的有益效果。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明冷媒状态的检测方法第一实施例的流程示意图；

图3为本发明冷媒状态的检测方法第二实施例的流程示意图；

图4为本发明冷媒状态的检测方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例的执行主体可以是空调器。

如图1所示，该空调器可以包括：处理器1001，例如CPU，通信总线1002，存储器1003，多个温度传感器1004以及压力传感器1005。其中，通信总线1002用于实现这些组件之间的连接通信。存储器1003可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，如磁盘存储器。存储器1003可选地还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1示出的空调器的结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

作为一种计算机存储介质的存储器1003可以包括操作系统以及冷媒状态的检测程序。

基于上述空调器的结构，提出本发明第一实施例，参照图2，图2为本发明冷媒状态的检测方法第一实施例的流程示意图，所述冷媒状态的检测方法包括以下步骤：

步骤S100，获取所述空调器当前的实际冷媒参数，其中，所述实际冷媒参数包括吸气过热度、节流元器件的开度以及排气过热度中的至少一种；

空调器包括控制器、压缩机、室外换热器、室内换热器、四通阀、室外风机、室内风机、多个温度传感器、节流元器件(如电子膨胀阀)以及压力传感器。

控制器用于采集压缩机的运行频率、室外风机转速、室内风机转速以及节流元器件的开度。

空调器可包括一个或多个压力传感器。压力传感器可设置于压缩机的吸气管，用于检测压缩机吸气管的吸气压力；压力传感器也可设置于压缩机的排气管，用于检测压缩机排气管的排气压力值。

空调器包括多个温度传感器。压缩机的吸气管处可设有温度传感器，用于检测压缩机的吸气温度；压缩机的排气管处也可设有温度传感器，用于检测压缩机的排气温度；室外换热器处设有温度传感器，用于检测室外环境温度；室内换热器处设有温度传感器，用于检测室内环境温度；室外换热器的中部可设有温度传感器，在空调器处于制冷模式时，检测气液两相区的冷媒温度，即室外换热器的中部温度；室内换热器的中部也可设有温度传感器，在空调器处于制热模式时，检测气液两相区的冷媒温度，即室内换热器的中部温度。

空调器可包括上述更多或更少的组件，在此不做限定。

实际冷媒参数与空调器的实际运行状态有关，可用于判断空调器中的冷媒状态，可包括吸气过热度、节流元器件的开度、排气过热度、排气压力、排气温度、过冷度以及吸气压力中的至少一种。实际冷媒参数可通过温度传感器、压力传感器或控制器检测到的空调器的运行参数直接或通过计算获得。

作为一种可选的实施方式，所述吸气过热度通过吸气压力以及吸气温度得到；所述排气过热度通过排气温度以及所述排气压力得到，或者所述排气过热度通过所述排气温度以及目标换热器的中部温度得到；所述过冷度通过所述目标换热器的中部温度以及所述目标换热器的出管温度，其中，在所述空调器处于制冷模式时，所述目标换热器为室外换热器；所述空调器处于制热模式时，所述目标换热器为室内换热器。

吸气压力通过压缩机吸气管道中的压力传感器检测得到，根据冷媒的物性表，得到压力值与温度之间的对应关系，进而根据吸气压力可得到压缩机的吸气两相冷媒温度。吸气温度通过压缩机吸气管道中的温度传感器检测得到。吸气过热度等于吸气温度与吸气两相冷媒温度的差值。

吸气过热度用于表示冷媒的状态，在冷媒充足时，吸气过热度较低；在冷媒缺失时，吸气过热度较高。

若空调器的排气管中未设置压力传感器，根据空调器当前的运行模式，得到两相冷媒温度。在空调器处于制冷模式时，目标换热器为室外换热器。源于空调器在制冷时，高温高压的冷媒在室外换热器中散热，由室外换热器进口的气态到室外换热器中部的气液两相区再到室外换热器出口的液态，进而两相冷媒温度为室外换热器的中部温度。在空调器处于制热模式时，目标换热器为室内换热器，与制冷模式类似，在此不做赘述。

若空调器的排气管中设有压力传感器，可通过压力传感器检测到压缩机的排气温度。根据冷媒的物性表，得到压力值与温度之间的对应关系，进而根据排气压力值得到压缩机的两相冷媒温度。

排气过热度等于排气温度与两相冷媒温度的差值。排气过热度可用于表示冷媒的状态，在冷媒充足时，排气过热度较低；在冷媒缺失时，吸气过热度较高。

过冷度用于反映冷媒的过冷程度，在冷媒充足时，过冷度较低；在冷媒过多时，过冷度较高。

在空调器处于制冷模式时，过冷度等于室外换热器的中部温度与室外换热器的出管温度的差值。在空调器处于制热模式时，过冷度等于室内换热器的中部温度与室内换热器的出管温度的差值。

步骤S200，根据所述空调器当前的运行参数获取参考冷媒参数；

参考冷媒参数可以是空调器在正常状态下与实际冷媒参数相同运行状态下的冷媒参数，或者是空调器在正常状态下与实际冷媒参数相同运行状态下允许的最大冷媒参数。最大冷媒参数为空调器正常状态下的冷媒参数与所允许最大偏离值之和。例如，空调器正常状态下得到的冷媒参数中的参考吸气过热度为1℃，但冷媒量超过正常冷媒量的30％时，才被认为处于冷媒缺失，所允许最大偏离值为2℃，那么，参考冷媒参数中的参考吸气过热度为3℃。

可选地，允许最大偏离值可根据空调器的类型以及用户要求进行设置，经设计人员经过多次测试得到的。

参考冷媒参数与空调器的运行状态有关，随空调器的运行状态的变化而变化，与空调器的运行工况、运行模式、室内外风机转速、导风板的状态、环境湿度等有关，也随之进行变化。

参考冷媒参数与实际冷媒参数相对应，也可包括参考吸气过热度、节流元器件的参考开度以及参考排气过热度中的至少一个。

可选地，参考冷媒参数可以被认为是空调器在正常运行状态下获取的标准参数，根据偏离参考冷媒参数的程度确认空调器是否正常，可用于判断空调器是否处于轻微不明显的冷媒异常状态。

空调器可通过温度传感器以及控制器获取空调器当前的运行参数，获取空调器当前的运行工况、负载运行参数等。

可选地，空调器可预先存储不同工况下不同运行参数下的参考冷媒参数，使不同的运行参数与参考冷媒参数之间具有映射关系表，通过获取当前的运行参数就可以得到参考冷媒参数。

可选地，空调器可根据当前的运行参数通过神经网络模型计算得到参考冷媒参数。

作为一种可选的实施方式，所述当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速、当前导风板的状态、当前运行模式以及当前环境湿度中的至少一个。

在当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速、当前导风板的状态、当前运行模式以及当前环境湿度中的至少一个时，根据当前的运行参数与参考冷媒参数之间的关系，获取对应的一组或多组参考冷媒参数。可选地，可获取多组参考冷媒参数中的各个最大值作为用于确定冷媒状态的参考冷媒参数。

可选地，当前的运行参数的数量越多，对应的参考冷媒参数数量越小，也越准确。

可选地，当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速以及当前室外风机转速对应一组参考冷媒参数。

可选地，当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速以及当前运行模式对应一组参考冷媒参数。

可选地，当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速以及当前导风板的状态对应一组参考冷媒参数。

可选地，当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速以及当前环境湿度对应一组参考冷媒参数。

可选地，当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速、当前运行模式以及导风板的状态对应一组参考冷媒参数。

当前导风板的状态可包括导风板的角度、空调器出风口的扫风频率、空调器出风口的扫风角度、空调器出风口的出风方式以及空调器出风口的扫风方向中的一个或多个。

当前运行模式可包括制热模式、制冷模式以及除湿模式中的一种。

当前环境湿度可包括室内环境湿度以及室外环境湿度中的一种。当前环境湿度会影响室内换热器以及室外换热器散热或吸热的效率，进而，影响到冷媒在管道中的过热度或过冷度。

由于当前的运行参数中的任一个均能影响到空调器的状态，在当前的运行参数包含的数量越多时，越能客观反映参考冷媒参数，直至当前的运行参数对应唯一一组参考冷媒参数。

步骤S300，根据所述实际冷媒参数以及所述参考冷媒参数确定所述空调器的冷媒状态。

空调器可根据实际冷媒参数以及参考冷媒参数确定空调器的冷媒状态。其中，冷媒状态可包括冷媒缺失、冷媒过多以及冷媒正常中的一种。若实际冷媒参数与对应的参考冷媒参数之间的关系，确定空调器的冷媒状态。

可选地，在判定空调器冷媒缺失或过多时，输出冷媒缺失或过多的提示信息，可通过空调器的指示灯、空调器的语音模块以及空调器的显示屏等中的一种，采用指示灯闪烁、语音提示、显示图标以及显示文字等中的任一种提示用户，空调器的冷媒处于缺失或过多状态。

作为一种可选的实施方式，步骤S300包括以下至少一种：

在所述吸气过热度、所述节流元器件的开度以及所述排气过热度中的任一个大于对应的参考冷媒参数时，判定所述空调器冷媒缺失；

在所述过冷度大于对应的参考冷媒参数时，判定所述空调器冷媒过多；

在所述排气压力大于对应的参考冷媒参数，且所述排气温度小于对应的参考冷媒参数时，判定所述空调器冷媒过多；

在所述排气压力大于对应的参考冷媒参数，且所述吸气压力大于对应的参考冷媒参数，判定所述空调器冷媒过多。

在本实施例中，根据吸气过热度、节流元器件的开度以及排气过热度中的任一个是否大于对应的参考冷媒参数，判断空调器的冷媒是否缺失。若吸气过热度大于参考冷媒参数中的参考吸气过热度，则判定空调器冷媒缺失；若节流元器件的开度大于参考冷媒参数中的节流元器件的参考开度，则判定空调器冷媒缺失；若排气过热度大于参考冷媒参数中的参考排气过热度，则判定空调器冷媒缺失。

空调器满足三种情况中的任一种，均可判定空调器冷媒缺失。

可选地，参考冷媒参数允许冷媒缺失量在一定范围内，例如，参考冷媒参数中的参考排气过热度可等于空调器在正常运行状态下的排气过热度与允许最大过热度偏离值之和。空调器实际检测到的排气过热度等于T_吸-T_两，空调器在正常状态下得到的排气过热度等于T’_排-T’_两，允许最大过热度偏离值为A，那么参考排气过热度等于T’_排-T’_两+A。在排气过热度T_吸-T_两大于参考排气过热度T’_排-T’_两+A时，则判定空调器冷媒缺失。进一步地，空调器在制冷模式以及制热模式下对应的允许最大过热度偏离值可不同，如在制冷模式下为A₁，在制热模式下为A₂。

可选地，参考冷媒参数中的节流元器件的参考开度可等于空调器在正常运行状态下的节流元器件的开度与允许最大开度偏离值之和，如空调器在正常运行状态下的节流元器件的开度为E，允许最大开度偏离值为B，那么，节流元器件的参考开度为E+B。

可选地，参考冷媒参数中的参考吸气过热度可等于空调器在正常运行状态下的吸气过热度与允许最大吸气过热度偏离值之和。例如，空调器实际检测到的吸气过热度等于T_吸-T_两，空调器在正常状态下得到的吸气过热度等于T’_吸-T’_两，允许最大过热度偏离值为C，那么参考排气过热度等于T’_吸-T’_两+C。

过热度用于反映冷媒的过热程度，过热度越高，冷媒的过热程度越高，空调器的缺冷媒的量越多，因而可用过热度去判断空调器是否缺冷媒。在空调器中，可自动调节开度的节流元器件(如电子膨胀阀)在缺冷媒时，会自动增大开度，以使更多的冷媒通过，以降低空调器中蒸发器中的冷媒过热度，因而，相对于正常运行状态下的空调器具有更大的开度，可用节流元器件的开度来判断空调器是否缺冷媒。

在过冷度大于对应的参考冷媒参数，则判定空调器冷媒过多。其中，过冷度对应的参考冷媒参数为参考过冷度。参考过冷度可以是空调器在对应的运行工况下正常运行时检测出的过冷度与最大过冷度偏离值之和，其中，最大过冷度偏离值是设计人员经过多次试验测试得到的。

过冷度过高是由于压缩机流向换热器的冷媒量过多，使冷媒在换热器中占据的冷媒区域较大，向两相区蔓延，进而导致换热器的换热区域变小，进而导致过冷度增大。

在排气压力大于对应的参考冷媒参数，且排气温度小于对应的参考冷媒参数时，判定空调器冷媒过多。其中，排气压力对应的参考冷媒参数为参考排气压力；排气温度对应的参考冷媒参数为参考排气温度。

由于冷媒过多，造成压缩机的高压侧的冷媒量增多，进而造成排气压力高。但由于换热器可能存在换热效果不好的情况，也能导致排气压力高于参考排气压力。通过排气温度小于参考排气温度这一条件进一步确定冷媒过多。源于冷媒过多，压缩机制备相同的热量对应的排气温度相对于正常冷媒量而言，排气温度偏低，所以，排气温度小于参考排气温度。

在排气压力小于对应的参考冷媒参数，且吸气压力大于参考冷媒参数时，判定空调器冷媒过多。由于冷媒过多时，造成压缩机的高压侧和低压侧的冷媒量增多，排气压力与吸气压力均相应地增大。

可选地，在制冷模式时，排气压力可以是室外换热器的中部传感器检测的中部温度通过物化表换算成饱和压力得到的。或者，在制热模式时，室内换热器的中部温度传感器检测的中部温度通过物化表换算成饱和压力得到的。

可选地，在制冷模式时，吸气压力可以是室内换热器入管或中部温度传感器检测的入管温度或中部温度通过物化表换算成饱和压力得到的。在制热模式时，吸气压力可以是室外换热器入管或中部温度传感器检测的入管温度或中部温度通过物化表换算成饱和压力得到的。

在空调器处于上述任一种时，均可判定空调器的冷媒状态异常。

在本实施例中，通过获取空调器的实际冷媒参数以及当前的运行参数对应的参考冷媒参数，根据实际冷媒参数以及参考冷媒参数确定空调器的冷媒状态，由于参考冷媒参数为正常空调器在当前的运行参数下的冷媒参数，随空调器当前的运行状态而变化，以将空调器当前的实际冷媒参数与正常状态下空调器的参考冷媒参数进行比较，进而确定空调器的冷媒状态，具有判断及时、判断精度高的有益效果。

基于上述第一实施例，参照图3，图3为本发明冷媒状态的检测方法第二实施例的流程示意图，步骤S200包括：

步骤S210，根据所述当前的运行参数以及预测模型得到所述参考冷媒参数，所述预测模型为神经网络模型。

预测模型为神经网络模型。参考冷媒参数是通过预测模型得到的。将空调器检测到的当前的运行参数输入到预测模型中，通过预测模型输出参考冷媒参数。其中，输入的当前的运行参数越多，得到的参考冷媒参数越精准。

可选地，预测模型可根据空调器的组件进行调整。例如，空调器的节流元器件不能自动调节时，那么，神经网络模型则不输出节流元器件的参考开度。

作为一种可选的实施方式，预测模型通过以下步骤得到：

获取预设数量的运行参数以及所述运行参数对应的冷媒参数；

采用所述运行参数以及所述冷媒参数对预设神经网络模型进行训练，以得到所述预测模型。

预设神经网络模型可以是反向传播神经网络模型、卷积神经网络模型或全连接神经网络模型。

通过获取空调器在正常运行状态下，以不同工况不同运行参数下的运行参数以及对应的冷媒参数。其中，运行参数可包括室内温度、室外温度、压缩机的运行频率、室外风机转速、室内风机转速、运行模式、环境湿度以及导风板的状态中的一个或多个。

采用预设数量的运行参数以及运行参数对应的冷媒参数对预设神经网络模型进行训练，以得到预测模型。其中，预设数量为设计人员根据预测模型的精度进行设置的，可达到上万组。通过预测模型可预测各个运行参数对应的参考冷媒参数。

可选地，以预设数量的运行参数作为输入量，以运行参数对应的冷媒参数作为输出量训练预设神经网络模型，以得到预测模型。

可选地，建立预设神经网络模型。预设神经网络模型包括输入层，隐藏层以及输出层，其中，输入层用于接收多组运行参数；隐藏层用于对各组运行参数建立参数节点，通过参数节点预测冷媒参数；输出层用于输出预测的冷媒参数。其中，隐藏层可包括多个节点，每个节点可以处理输入层接收到的运行参数，并根据预设的神经网络算法对运行参数进行分析、处理，得到预测的冷媒参数。

在本实施例中，通过将当前的运行参数输入到预测模型，输出参考冷媒参数，通过预测模型实现当前的运行参数与参考冷媒参数的对应关系，促使参考冷媒参数根据当前的运行参数的变化而变化，实现在不同工况、不同运行参数下的冷媒状态的检测，具有适用范围广的有益效果。

基于上述第二实施例，参照图4，图4为本发明冷媒状态的检测方法第三实施例的流程示意图，所述冷媒状态的检测方法还包括：

步骤S400，获取所述当前的运行参数对应的标准冷媒参数；

步骤S500，比对所述参考冷媒参数以及标准冷媒参数以得到比对结果，并根据所述比对结果更新所述预测模型。

获取正常空调器在当前的运行参数下对应的标准冷媒参数，其中，标准冷媒参数可以是正常空调器在当前的运行参数下，得到的实际冷媒参数。

将当前的运行参数输入到预测模型中，得到参考冷媒参数，比对参考冷媒参数与标准冷媒参数，根据参考冷媒参数与标准冷媒参数之间的差异，得到比对结果，根据比对结果修正预测模型。其中，比对结果可包括参考冷媒参数与标准冷媒参数之间的差值。

在本实施例中，通过将当前的运行参数输入到预测模型，输出参考冷媒参数，根据参考冷媒参数与标准冷媒参数获取比对结果，根据比对结果修正预测模型，使预测模型得到的参考冷媒参数更符合实际，更加客观的有益效果。

此外，本发明实施例还提供一种空调器，所述空调器包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的冷媒状态的检测程序，所述冷媒状态的检测程序被所述处理器执行时实现如上所述的冷媒状态的检测方法实施例的内容。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有冷媒状态的检测程序，所述冷媒状态的检测程序被处理器执行时实现如上所述的冷媒状态的检测方法实施例的内容。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台空调器(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种冷媒状态的检测方法，其特征在于，所述冷媒状态的检测方法包括以下步骤：

获取空调器在当前状态下的实际冷媒参数，其中，所述实际冷媒参数包括吸气过热度、节流元器件的开度、排气过热度、排气压力、排气温度、过冷度以及吸气压力中的至少一种；

将所述空调器当前的运行参数输入至预测模型，得到参考冷媒参数，其中，所述参考冷媒参数为所述空调器在正常状态下的预测冷媒参数；

根据所述实际冷媒参数以及所述参考冷媒参数确定所述空调器的冷媒状态，其中，所述根据所述实际冷媒参数以及所述参考冷媒参数确定所述空调器的冷媒状态的步骤包括以下至少一种：

在所述吸气过热度、所述节流元器件的开度以及所述排气过热度中的任一个大于对应的参考冷媒参数时，判定所述空调器冷媒缺失；

在所述过冷度大于对应的参考冷媒参数时，判定所述空调器冷媒过多；

在所述排气压力大于对应的参考冷媒参数，且所述排气温度小于对应的参考冷媒参数时，判定所述空调器冷媒过多；

在所述排气压力大于对应的参考冷媒参数，且所述吸气压力大于对应的参考冷媒参数时，判定所述空调器冷媒过多，其中，在所述将所述空调器当前的运行参数输入至预测模型，得到参考冷媒参数的步骤之后，所述冷媒状态的检测方法还包括：

获取所述当前的运行参数对应的标准冷媒参数；

比对所述参考冷媒参数以及标准冷媒参数以得到比对结果，并根据所述比对结果更新所述预测模型。

2.如权利要求1所述的冷媒状态的检测方法，其特征在于，所述当前的运行参数包括当前室内温度、当前室外温度、当前压缩机的运行频率、当前室内风机转速、当前室外风机转速、当前导风板的状态、当前运行模式以及当前环境湿度中的至少一个。

3.如权利要求1所述的冷媒状态的检测方法，其特征在于，所述吸气过热度通过所述吸气压力以及吸气温度得到；所述排气过热度通过排气温度以及所述排气压力得到，或者所述排气过热度通过所述排气温度以及目标换热器的中部温度得到；所述过冷度通过所述目标换热器的中部温度以及所述目标换热器的出管温度，其中，所述空调器处于制冷模式时，所述目标换热器为室外换热器；所述空调器处于制热模式时，所述目标换热器为室内换热器。

4.如权利要求1所述的冷媒状态的检测方法，其特征在于，所述预测模型通过以下步骤得到：

获取预设数量的运行参数以及所述运行参数对应的冷媒参数；

采用所述运行参数以及所述冷媒参数对预设神经网络模型进行训练，以得到所述预测模型。

5.一种空调器，其特征在于，所述空调器包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的冷媒状态的检测程序，所述冷媒状态的检测程序被所述处理器执行时实现如权利要求1至4中任一项所述的冷媒状态的检测方法的步骤。

6.一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上存储有冷媒状态的检测程序，所述冷媒状态的检测程序被处理器执行时实现如权利要求1至4中的任一项所述的冷媒状态的检测方法的步骤。

Images