CN114322201B - 基于云端服务器的故障自诊断方法与系统 - Google Patents
基于云端服务器的故障自诊断方法与系统 Download PDFInfo
- Publication number
- CN114322201B CN114322201B CN202111564154.XA CN202111564154A CN114322201B CN 114322201 B CN114322201 B CN 114322201B CN 202111564154 A CN202111564154 A CN 202111564154A CN 114322201 B CN114322201 B CN 114322201B
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- fault
- outdoor unit
- user information
- cloud server
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 39
- 238000012423 maintenance Methods 0.000 claims abstract description 72
- 238000009434 installation Methods 0.000 claims description 19
- 239000003507 refrigerant Substances 0.000 claims description 19
- 230000007257 malfunction Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 5
- 230000008439 repair process Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010438 heat treatment Methods 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 238000001816 cooling Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002985 plastic film Substances 0.000 description 2
- 229920006255 plastic film Polymers 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- F24F11/37—Resuming operation, e.g. after power outages; Emergency starting
-
- 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
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- 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
-
- 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
- F24F2110/10—Temperature
-
- 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
- F24F2110/10—Temperature
- F24F2110/12—Temperature of the outside air
Landscapes
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供了一种基于云端服务器的故障自诊断方法与系统。其中基于云端服务器的故障自诊断方法包括:接收由空调器上传的故障查询请求,其中故障查询请求根据空调器出现的故障生成并至少包含故障代码;根据故障代码确定空调器出现的故障类型,其中云端服务器预先存储有不同的故障代码对应的故障类型,故障类型包括室内机故障和室外机故障;判断空调器是否出现室内机故障;以及若是,获取空调器对应的用户信息,并根据用户信息派送维修任务。本发明的方案,能够对空调器的室内机故障及时进行派单维修,筛选空调器有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,有效解决资源浪费和信息冗余的问题。
Description
技术领域
本发明涉及家电技术领域,特别是涉及一种基于云端服务器的故障自诊断方法与系统。
背景技术
随着社会发展以及人们的生活水平不断提高,各种空气调节装置已经成为人们日常生活中不可或缺的电气设备之一。各种空气调节装置可以在环境温度过高或过低时,帮助人们达到一个能够适应的温度。空调器作
空调调节装置主要包括各种类型的空调器以及风扇,其中由于空调器的制冷效果和制热效果较好,其应用越来越广泛。目前的空调器出现故障后往往需要用户自行查找和联系维修服务网点,维修过程非常不便。并且,在用户当地的维修服务网点进行派单,工人上门维修之前,很多电话回访的用户会表示空调器已正常,或者目前故障消失可以运行,这样会造成终端的工作量负荷加大,但是收效甚微的情况。空调器一般包括室内机和室外机,由于现在变频技术日益普及,空调器的绝大部分故障来自于室外机。一部分室外机故障可能无需上门维修,这种故障的上报率过高导致维修服务工作量负荷非常大,浪费大量的人力物力,并且发现故障到联系维修的整个过程也会影响用户的使用体验。
发明内容
本发明的一个目的是筛选空调器有效的故障上报信息,减轻维修终端的负担。
本发明一个进一步的目的是提高空调器故障自诊断的智能化程度,降低误报率。
特别地,本发明提供了一种基于云端服务器的故障自诊断方法,包括:接收由空调器上传的故障查询请求,其中故障查询请求根据空调器出现的故障生成并至少包含故障代码;根据故障代码确定空调器出现的故障类型,其中云端服务器预先存储有不同的故障代码对应的故障类型,故障类型包括室内机故障和室外机故障;判断空调器是否出现室内机故障;以及若是,获取空调器对应的用户信息,并根据用户信息派送维修任务。
可选地,在空调器出现室外机故障的情况下,向空调器的室内机发送重启信息,以通过室内机将空调器的室外机断电并重新启动。
可选地,在室外机重新启动的步骤之后还包括:获取室外机的运行状态;判断室外机故障是否消除;以及若否,执行获取空调器对应的用户信息,并根据用户信息派送维修任务的步骤。
可选地,在室外机故障消除的情况下,向空调器发送正常运行的指令。
可选地,获取空调器对应的用户信息的步骤包括:获取空调器的机器信息;在信息库中查询机器信息对应的用户信息,其中信息库预先存储有不同的机器信息对应的用户信息,用户信息包括空调器的安装地址。
可选地,根据用户信息派送维修任务的步骤包括:向处于安装地址的服务网点派送维修任务,以通知工人上门维修空调器。
可选地,基于云端服务器的故障自诊断方法还包括:预先获取与空调器绑定的移动终端上传的用户信息和机器信息,以在信息库中进行存储。
可选地,室内机故障包括:空调器的室内温度传感器读数异常、空调器的室内风机停机、空调器的导风板无法打开。
可选地,室外机故障包括:空调器的室外温度传感器读数异常、空调器的室外风机停机、空调器的压缩机的排气温度高于预设温度阈值、空调器的冷媒循环系统内部压力大于预设压力阈值、压缩机停机。
根据本发明的另一个方面,还提供了一种基于云端服务器的故障自诊断系统,其中云端服务器与空调器进行数据交互,且云端服务器配置成执行上述任一种基于云端服务器的故障自诊断方法。
本发明的基于云端服务器的故障自诊断方法与系统,通过接收由空调器上传的故障查询请求,根据故障代码确定空调器出现的故障类型,判断空调器是否出现室内机故障,并在结果为是时,获取空调器对应的用户信息,并根据用户信息派送维修任务,能够对空调器的室内机故障及时进行派单维修,筛选空调器有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,有效解决资源浪费和信息冗余的问题。
进一步地,本发明的基于云端服务器的故障自诊断方法与系统,在空调器出现室外机故障的情况下,向空调器的室内机发送重启信息,以通过室内机将空调器的室外机断电并重新启动;并在室外机重新启动之后获取室外机的运行状态,判断室外机故障是否消除,在室外机故障没有消除的情况下,获取空调器对应的用户信息,并根据用户信息派送维修任务,在室外机故障消除的情况下,向空调器发送正常运行的指令,能够提高空调器故障自诊断的智能化程度,既保证室外机故障无法通过重启消除时能够及时得到派单维修,又能够保证室外机故障消除之后空调器正常运行,避免无必要的派单,极大地降低了误报率,全自动诊断故障派单的过程也可以有效提升用户的使用体验。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的基于云端服务器的故障自诊断系统的架构示意图;
图2是根据本发明一个实施例的基于云端服务器的故障自诊断方法的示意图;以及
图3是根据本发明一个实施例的基于云端服务器的故障自诊断方法的详细流程图。
具体实施方式
本实施例首先提供了一种基于云端服务器的故障自诊断系统,能够对空调器的不可恢复故障及时进行派单维修,筛选空调器有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,有效解决资源浪费和信息冗余的问题。图1是根据本发明一个实施例的基于云端服务器的故障自诊断系统的架构示意图。
如图1所示,基于云端服务器的故障自诊断系统可以包括云端服务器200,其与空调器100进行数据交互,且云端服务器200配置成执行下述实施例的基于云端服务器的故障自诊断方法。空调器100可以通过网络与云端服务器200进行数据交互,在一些具体实施例中,空调器100可以通过无线模块等网络设备与云端服务器200直接进行连接。
在一种优选的实施例中,基于云端服务器的故障自诊断系统还可以包括与空调器100绑定的移动终端300。该移动终端300与空调器100、云端服务器200均可以进行数据交互。移动终端300可以包括智能手机、平板电脑等具备一定运算能力、提供数据传输接口、并具有人机交互借口的电子设备。在一些优选实施例中,移动终端300可以通过安装于智能手机中实现特定数据处理功能的应用程序(Application,简称APP)来获取用户信息,并将空调器100的机器信息与用户信息进行绑定。
此外,云端服务器200可以预先获取与空调器100绑定的移动终端300上传的用户信息和机器信息,以在信息库中进行存储。也就是说,移动终端300可以将绑定的用户信息和机器信息发送至云端服务器200,云端服务器200接收之后在信息库进行存储。其中信息库预先存储有不同的机器信息对应的用户信息,用户信息包括空调器100的安装地址。
这样在有派单维修空调器100故障的时候,云端服务器200可以获取空调器100的机器信息,在信息库中查询机器信息对应的用户信息,向处于安装地址的服务网点派送维修任务,以通知工人上门维修空调器100。不仅可以实现自动派单,解决用户自行查找和联系维修渠道的困难,还可以智能化地进行派单,使空调器100的安装地址附近的服务网点可以及时派出工人上门维修,整个过程大量人力和物力,提升维修效率和用户的使用体验。
在一种具体的实施例中,机器信息可以包括空调器100的机器编号、机器型号和安装时间等信息。需要强调的是,每台空调器100的机器信息是独一无二的,因此可以通过获取空调器100的机器信息确定与其绑定的用户信息,而不会出现相同的机器信息对应不同的用户信息,不能够确定真正出现故障的空调器100所属用户的情况。但是反过来,不同的机器信息可以对应有相同的用户信息,例如同一个用户在家中安装有多台空调器100,不管哪台空调器100出现故障,均可以通过机器信息确定该用户的用户信息,尤其是安装地址。
并且,在确定空调器100出现的故障需要上门维修时,云端服务器200向处于空调器100安装地址的服务网点派送维修任务,以通知工人上门维修空调器100。空调器100安装地址的所在区域可能设置有多个服务网点,在一种优选的实施例中,可以向距离最近的服务网点派送维修任务,以进一步保证维修效率和节约维修成本。在其他一些实施例中,还可以根据服务网点目前的维修任务进行派单,例如可以向同一个区域中维修任务最少的服务网点派单。
此外,用户信息除了包括空调器100的安装地址之外,还可以包括用户的联系方式,以便工人上门维修之前与用户沟通联系,双方约定上门维修时间或了解故障最新情况等。移动终端300在维修故障期间,还可以对故障的维修进展、维修结果等详细信息进行记录。具体地,也可以通过安装于智能手机中的APP来实现故障的维修记录,以便日后查看。
本实施例的基于云端服务器的故障自诊断系统,其中云端服务器200可以接收由空调器100上传的故障查询请求,根据故障代码确定空调器100出现的故障类型,判断空调器100是否出现室内机故障,并在结果为是时,获取空调器100对应的用户信息,并根据用户信息派送维修任务,能够对空调器100的室内机故障及时进行派单维修,筛选空调器100有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,解决资源浪费和信息冗余的问题。
进一步地,本实施例的基于云端服务器的故障自诊断系统,在空调器100出现室外机故障的情况下,云端服务器200可以向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动;并在室外机重新启动之后获取室外机的运行状态,判断室外机故障是否消除,在室外机故障没有消除的情况下,获取空调器100对应的用户信息,并根据用户信息派送维修任务,在室外机故障消除的情况下,向空调器100发送正常运行的指令,能够提高空调器100故障自诊断的智能化程度,既保证室外机故障无法通过重启消除时能够及时得到派单维修,又能够保证室外机故障消除之后空调器100正常运行,避免无必要的派单,极大地降低了误报率,全自动诊断故障派单的过程也可以有效提升用户的使用体验。
本发明实施例还提供了一种基于云端服务器的故障自诊断方法,该基于云端服务器的故障自诊断方法可以由以上实施例的基于云端服务器的故障自诊断系统来执行。图2是根据本发明一个实施例的基于云端服务器的故障自诊断方法的示意图,该基于云端服务器的故障自诊断方法包括:
步骤S202,接收由空调器100上传的故障查询请求;
步骤S204,根据故障代码确定空调器100出现的故障类型;
步骤S206,判断空调器100是否出现室内机故障,若是,执行步骤S208;
步骤S208,获取空调器100对应的用户信息,并根据用户信息派送维修任务。
需要说明的是,上述步骤均是由云端服务器200一侧来执行。例如步骤S202是云端服务器200接收由空调器100上传的故障查询请求。空调器100出现故障之后,会向云端服务器200发送故障查询请求,云端服务器200接收该故障查询请求。步骤S202中的故障查询请求根据空调器100出现的故障生成并至少包含故障代码。
云端服务器200预先存储有不同的故障代码对应的故障类型,步骤S204中的故障类型包括室内机故障和室外机故障。在一种具体的实施例中,室内机故障可以包括:空调器100的室内温度传感器读数异常、空调器100的室内风机停机、空调器100的导风板无法打开。
需要说明的是,空调器100可以包括室内机和室外机,且室内机和室外机可以分别设置有室内温度传感器或室外温度传感器。室内温度传感器读数异常,可以是由可读数到无法读数,还可以是自室内机上电后始终无法读数。室内温度传感器由可读数到无法读数,这种情况可能是因为室内机自身的振动导致室内温度传感器突然没有读数,一旦室内机恢复稳定,室内温度传感器就会恢复正常读数。
室内温度传感器自室内机上电后始终无法读数,有可能是在室内机安装之后首次上电就无法读数,或者夏天冬天使用室内机之间的闲置时间过长,重新上电启动之后无法读数,这种情况无法通过室内机自身稳定而恢复正常。室内机和室外机可以分别设置有室内风机和室外风机,室内风机出现停机情况也是无法自行消除,恢复正常工作的。空调器100的导风板无法打开,导风板设置于室内机的出风口处,这也同样是无法自行消除的故障。
在一种具体的实施例中,室外机故障可以包括:空调器100的室外温度传感器读数异常、空调器100的室外风机停机、空调器100的压缩机的排气温度高于预设温度阈值、空调器100的冷媒循环系统内部压力大于预设压力阈值、压缩机停机。
室外温度传感器读数异常,可以是由可读数到无法读数,还可以是自室外机上电后始终无法读数。室外温度传感器由可读数到无法读数,这种情况可能是因为室外机自身的振动导致室外温度传感器突然没有读数,一旦室外机恢复稳定,室外温度传感器就会恢复正常读数。空调器100的压缩机的排气温度高于预设温度阈值,可能是因为吸入异物导致排气温度一时过高,例如可能吸进去塑料膜,当塑料膜掉落之后,排气温度就会恢复正常。
需要说明的是,冷媒循环系统一般可以包括冷媒管路,其内部有冷媒流动,且冷媒管路上可以串联设置有:压缩机、四通阀、第一换热器、节流装置和第二换热器。第一换热器可以设置于室外机中,第二换热器可以设置于室内机中。四通阀230可以配置成:切换冷媒的流动方向。即空调器100运行于制冷模式、制热模式的不同情况下,可以通过调节四通阀来改变冷媒的流动方向。空调器100运行于制冷模式时,四通阀连通压缩机出口至第一换热器入口的通路,以及第二换热器出口至压缩机入口的通路。空调器100运行于制热模式时,四通阀连通压缩机出口至第二换热器入口的通路,以及第一换热器出口至压缩机入口的通路
在一种具体的实施例中,空调器100运行于制冷模式时,冷媒以气态的形式由压缩机吸入,压缩成高温高压的蒸汽进入第一换热器,冷凝为高温高压的液态流向节流装置,然后节流降压后的冷媒变为低温低压的气液混合体进入第二换热器中,吸收空气中的热量而汽化,变为低压过热蒸汽被压缩机吸回。
空调器100运行于制热模式时,冷媒以气态的形式由压缩机吸入,压缩成高温高压的蒸汽进入第二换热器,冷凝为高温高压的液态流向节流装置,节流降压后的冷媒变为低温低压的气液混合体进入第一换热器中,吸收空气中的热量而汽化,变为低压过热蒸汽被压缩机吸回。
因此,不管空调器100运行于制冷模式还是制热模式,都可能会出现冷媒循环系统内部压力大于预设压力阈值的情况,而这可能只是一时压力过高,释放之后就会恢复正常。
室外温度传感器自室外机上电后始终无法读数,有可能是在室外机安装之后首次上电就无法读数,或者夏天冬天使用室外机之间的闲置时间过长,重新上电启动之后无法读数。这种情况无法通过室外机自身稳定而恢复正常。压缩机与室外风机出现停机情况也是无法自行消除,恢复正常工作的。
总之,室内机故障有一些可能是偶然因素造成的,一旦偶然因素消失,则机器恢复正常运转,不会再二次发生,例如上文提到的室内温度传感器由可读数到无法读数,这种可以归类为可恢复故障。还有另一些室内机故障可能是非偶然因素造成的,不太可能自行消除,室内机无法短期内自行恢复正常工作,例如上文提到的室内温度传感器自室内机上电后始终无法读数、室内风机停机、导风板无法打开,这种可以归类为不可恢复故障。
同样地,室外机故障有一些可能是偶然因素造成的,一旦偶然因素消失,则机器恢复正常运转,不会再二次发生,例如上文提到的室外温度传感器由可读数到无法读数、压缩机的排气温度高于预设温度阈值、冷媒循环系统内部压力大于预设压力阈值,这种可以归类为可恢复故障。还有另一些室外机故障可能是非偶然因素造成的,不太可能自行消除,室外机无法短期内自行恢复正常工作,例如上文提到的室外温度传感器自室外机上电后始终无法读数、室外风机停机、压缩机停机,这种可以归类为不可恢复故障。
但是在室内机故障可能是可恢复故障也可能是不可恢复故障,室外机故障可能是可恢复故障也可能是不可恢复故障的情况下,之所以只有在判定空调器100出现室内机故障时,才会直接派单上门维修,是因为空调器100的电源从室内机供给给室外机,室内机故障时自身可能无法通断电源,直接派单上门维修比较稳妥和保险。并且,由于现在变频技术日益普及,空调器100的绝大部分故障来自于室外机,室内机故障的上报数量是较少的,不会给维修终端造成较大负担。
而在一种优选的实施例中,室外机故障时可以通过室内机给室外机断电后再重新上电,这样对室外机故障的部分就加强了判定。通过对室外机故障加强判定,避免出现室外机故障就直接上报,通过室外机断电重启先筛除一些不必要的上报信息,在空调器100的绝大部分故障来自于室外机的前提下,通过降低室外机故障的上报率,可以降低空调器故障的整体上报率,能够实现筛选空调器100有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,有效解决资源浪费和信息冗余的问题。
在一种具体的实施例中,每种具体的故障都对应有一个故障代码。故障代码可以是字母加数字的形式。例如室内机故障可以以字母A加数字进行编号,室外机故障可以以字母B加数字进行编号。例如,空调器100的室内温度传感器读数异常的故障代码可以是A1;室内风机停机的故障代码可以是A2;导风板无法打开的故障代码可以是A3。
再例如,室外温度传感器读数异常的故障代码可以是B1;室外风机停机的故障代码可以是B2;压缩机的排气温度高于预设温度阈值的故障代码可以是B3;冷媒循环系统内部压力大于预设压力阈值的故障代码可以是B4;压缩机停机的故障代码可以是B5。
而云端服务器200预先存储有不同的故障代码对应的故障类型,例如故障代码A1、A2、A3对应的故障类型是室内机故障。故障代码B1、B2、B3、B4、B5对应的故障类型是室外机故障。需要说明的是,上述故障代码的具体形式仅为例举,而并非对本发明的限定。在其他一些实施例中,还可以将故障代码设置为其他形式。
云端服务器200接收由空调器100上传的故障查询请求,根据故障查询请求中包含的故障代码确定空调器100出现的故障类型,判断空调器100是否出现室内机故障,并在结果为是时,获取空调器100对应的用户信息,并根据用户信息派送维修任务。
以下对一个具体实施例进行介绍:空调器100的室内风机出现停机的情况,向云端服务器200发送包含故障代码A2的故障查询请求,云端服务器200接收该故障查询请求之后,根据故障代码A2确定空调器100出现室内机故障,获取空调器100对应的用户信息,并根据用户信息派送维修任务。
本实施例的基于云端服务器的故障自诊断方法,通过接收由空调器100上传的故障查询请求,根据故障代码确定空调器100出现的故障类型,判断空调器100是否出现室内机故障,并在结果为是时,获取空调器100对应的用户信息,并根据用户信息派送维修任务,能够对空调器100的室内机故障及时进行派单维修,筛选空调器100有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,有效解决资源浪费和信息冗余的问题。
在一些可选实施例中,可以通过对上述步骤的进一步优化和配置实现更高的技术效果,以下结合对本实施例的一个可选执行流程的介绍对本实施例的基于云端服务器的故障自诊断方法进行详细说明,该实施例仅为对执行流程的举例说明,在具体实施时,可以根据具体实施需求,对部分步骤的执行顺序、运行条件进行修改。图3是根据本发明一个实施例的基于云端服务器的故障自诊断方法的详细流程图。如图3所示,该基于云端服务器的故障自诊断方法包括:
步骤S302,接收由空调器100上传的故障查询请求;
步骤S304,根据故障代码确定空调器100出现的故障类型;
步骤S306,判断空调器100是否出现室内机故障,若是,执行步骤S308,若否,执行步骤S310;
步骤S308,获取空调器100对应的用户信息,并根据用户信息派送维修任务;
步骤S310,空调器100出现室外机故障,向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动;
步骤S312,获取室外机的运行状态;
步骤S314,判断室外机故障是否消除,若是,执行步骤S316,若否,返回执行步骤S308;
步骤S316,向空调器100发送正常运行的指令。
在以上步骤中,步骤S302中的故障查询请求根据空调器100出现的故障生成并至少包含故障代码。其中云端服务器200预先存储有不同的故障代码对应的故障类型,步骤S304中的故障类型包括室内机故障和室外机故障。
在一种具体的实施例中,室内机故障可以包括:空调器100的室内温度传感器读数异常、空调器100的室内风机停机、空调器100的导风板无法打开。室内温度传感器读数异常,可以是由可读数到无法读数,还可以是自室内机上电后始终无法读数。在一种具体的实施例中,室外机故障可以包括:空调器100的室外温度传感器读数异常、空调器100的室外风机停机、空调器100的压缩机的排气温度高于预设温度阈值、空调器100的冷媒循环系统内部压力大于预设压力阈值、压缩机停机。室外温度传感器读数异常,可以是由可读数到无法读数,还可以是自室外机上电后始终无法读数。
室内机故障有一些可能是偶然因素造成的,一旦偶然因素消失,则机器恢复正常运转,不会再二次发生,例如上文提到的室内温度传感器由可读数到无法读数,这种可以归类为可恢复故障。还有另一些室内机故障可能是非偶然因素造成的,不太可能自行消除,室内机无法短期内自行恢复正常工作,例如上文提到的室内温度传感器自室内机上电后始终无法读数、室内风机停机、导风板无法打开,这种可以归类为不可恢复故障。
同样地,室外机故障有一些可能是偶然因素造成的,一旦偶然因素消失,则机器恢复正常运转,不会再二次发生,例如上文提到的室外温度传感器由可读数到无法读数、压缩机的排气温度高于预设温度阈值、冷媒循环系统内部压力大于预设压力阈值,这种可以归类为可恢复故障。还有另一些室外机故障可能是非偶然因素造成的,不太可能自行消除,室外机无法短期内自行恢复正常工作,例如上文提到的室外温度传感器自室外机上电后始终无法读数、室外风机停机、压缩机停机,这种可以归类为不可恢复故障。
但是在室内机故障可能是可恢复故障也可能是不可恢复故障,室外机故障可能是可恢复故障也可能是不可恢复故障的情况下,之所以只有在判定空调器100出现室内机故障时,才会直接派单上门维修,是因为空调器100的电源从室内机供给给室外机,室内机故障时自身可能无法通断电源,直接派单上门维修比较稳妥和保险。并且,由于现在变频技术日益普及,空调器100的绝大部分故障来自于室外机,室内机故障的上报数量是较少的,不会给维修终端造成较大负担。
而在一种优选的实施例中,室外机故障时可以通过室内机给室外机断电后再重新上电,这样对室外机故障的部分就加强了判定。通过对室外机故障加强判定,避免出现室外机故障就直接上报,通过室外机断电重启先筛除一些不必要的上报信息,在空调器100的绝大部分故障来自于室外机的前提下,通过降低室外机故障的上报率,可以降低空调器故障的整体上报率,能够实现筛选空调器100有效的故障上报信息,减轻维修终端的负担,避免后台无效的自动派单,有效解决资源浪费和信息冗余的问题。
在一种具体的实施例中,每种具体的故障都对应有一个故障代码。故障代码可以是字母加数字的形式。例如室内机故障可以以字母A加数字进行编号,室外机故障可以以字母B加数字进行编号。例如,空调器100的室内温度传感器读数异常的故障代码可以是A1;室内风机停机的故障代码可以是A2;导风板无法打开的故障代码可以是A3。
再例如,室外温度传感器读数异常的故障代码可以是B1;室外风机停机的故障代码可以是B2;压缩机的排气温度高于预设温度阈值的故障代码可以是B3;冷媒循环系统内部压力大于预设压力阈值的故障代码可以是B4;压缩机停机的故障代码可以是B5。
而云端服务器200预先存储有不同的故障代码对应的故障类型,例如故障代码A1、A2、A3对应的故障类型是室内机故障。故障代码B1、B2、B3、B4、B5对应的故障类型是室外机故障。需要说明的是,上述故障代码的具体形式仅为例举,而并非对本发明的限定。在其他一些实施例中,还可以将故障代码设置为其他形式。
步骤S306中判断空调器100是否出现室内机故障,若是,即确定出现室内机故障,执行步骤S308:获取空调器100对应的用户信息,并根据用户信息派送维修任务。若否,执行步骤S310:空调器100出现室外机故障,向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动。因为空调器100的故障只有室内机故障和室外机故障两种,因此在判断空调器100是否出现室内机故障结果为否时,可以直接确定出现室外机故障。
步骤S310中空调器100出现室外机故障,向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动,整个过程无需用户的干预,有效提升智能化程度。
需要说明的是,由于空调器100包括室内机和室外机,一般通过室内机间接控制室外机,并且通过室内机上传和接收各种信息和指令。也就是说,可以向室内机发送断电和重启的指令,并通过室内机控制室外机,使得室外机实现断电和重启。但是,这种方式实现的前提是:室内机无故障,可以向室外机供电并控制室外机同步断电重启,因此执行步骤S310的前提是步骤S306判断结果为否,空调器100没有出现室内机故障,而是出现室外机故障。
步骤S310向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动,在室外机重新启动之后执行步骤S312至S316:获取室外机的运行状态,判断室外机故障是否消除,若是,向空调器100发送正常运行的指令,若否,获取空调器100对应的用户信息,并根据用户信息派送维修任务。也就是说,在空调器100出现室外机故障的情况下,可以通过室内机将室外机断电重启尝试自行恢复正常。如果断电重启之后室外机故障消除,则向空调器100发送正常运行的指令,无需派单上门维修。如果断电重启之后室外机故障没有自行消除,那么该室外机故障还是需要工人上门维修,因此返回执行步骤S308:获取空调器100对应的用户信息,并根据用户信息派送维修任务。
正如上文提到的,空调器100包括室内机和室外机,一般通过室内机间接控制室外机,并且通过室内机上传和接收各种信息和指令。因此步骤S316中向空调器100发送正常运行的指令,实际上是向室内机发送指令,室内机接收该正常运行的指令之后可以保持自身正常运行并控制室外机正常运行。
在一种具体的实施例中,步骤S308获取空调器100对应的用户信息的步骤可以包括:获取空调器100的机器信息;在信息库中查询机器信息对应的用户信息,其中信息库预先存储有不同的机器信息对应的用户信息,用户信息包括空调器100的安装地址。根据用户信息派送维修任务的步骤包括:向处于安装地址的服务网点派送维修任务,以通知工人上门维修空调器100。
其中,云端服务器200可以预先获取与空调器100绑定的移动终端300上传的用户信息和机器信息,以在信息库中进行存储。移动终端300可以将绑定的用户信息和机器信息发送至云端服务器200,云端服务器200接收之后在信息库进行存储。在需要确定用户信息时,只需要获取空调器100的机器信息,在信息库中进行查询,就可以匹配确定出机器信息对应的用户信息,由于用户信息包括空调器100的安装地址,因此可以准确确定需要维修的空调器100的具体位置。
然后,云端服务器200可以向处于空调器100安装地址的服务网点派送维修任务,以通知工人上门维修空调器100。不仅可以实现自动派单,解决用户自行查找和联系维修渠道的困难,还可以智能化地进行派单,使空调器100的安装地址附近的服务网点可以及时派出工人上门维修,整个过程大量人力和物力,提升维修效率和用户的使用体验。
并且,空调器100安装地址的所在区域可能设置有多个服务网点,在一种优选的实施例中,可以向距离最近的服务网点派送维修任务,以进一步保证维修效率和节约维修成本。在其他一些实施例中,还可以根据服务网点目前的维修任务进行派单,例如可以向同一个区域中维修任务最少的服务网点派单。
此外,用户信息除了包括空调器100的安装地址之外,还可以包括用户的联系方式,以便工人上门维修之前与用户沟通联系,双方约定上门维修时间或了解故障最新情况等。移动终端300在维修故障期间,还可以对故障的维修进展、维修结果等详细信息进行记录。具体地,也可以通过安装于智能手机中的APP来实现故障的维修记录,以便日后查看。
需要说明的是,机器信息可以包括空调器100的机器编号、机器型号和安装时间等信息。并且,每台空调器100的机器信息是独一无二的,因此可以通过获取空调器100的机器信息确定与其绑定的用户信息,而不会出现相同的机器信息对应不同的用户信息,不能够确定真正出现故障的空调器100所属用户的情况。但是反过来,不同的机器信息可以对应有相同的用户信息,例如同一个用户在家中安装有多台空调器100,不管哪台空调器100出现故障,均可以通过机器信息确定该用户的用户信息,尤其是安装地址。
例如,若空调器100的机器信息包括以下内容:KFR-35GW/DY-X(E2),其中K代表空调器100,F代表分体式,R代表冷暖双制;35代表制冷量为3500W,为大1.5P,G代表室内机为壁挂机,W代表室外机。分隔符/前面的部分是国标,不管是什么品牌,必须按照这个来写型号,符号后面的是厂家对空调器100的自定义部分。D代表有辅助电加热,Y代表无线遥控,分隔符-后边的X代表机型外观系列,E2代表2级能效。
更加重要的是,空调器100的机器信息除了包括KFR-35GW/DY-X(E2)之类的常规信息之外,还包含有独一无二的信息,以和其他空调器进行区分,方便确定与其绑定的用户信息。在一种优选的实施例中,还可以通过扫描空调器100壳体上的二维码直接确定机器信息,每一台空调器100的二维码都是独一无二的,以保证通过机器信息准确地确定与其绑定的用户信息。
以下对本实施例的基于云端服务器的故障自诊断方法的一个具体实例进行介绍:空调器100的导风板出现无法打开的情况,向云端服务器200发送包含故障代码A3的故障查询请求,云端服务器200接收该故障查询请求之后,根据故障代码A3确定空调器100出现室内机故障,获取空调器100对应的用户信息,并根据用户信息派送维修任务。
以下对本实施例的基于云端服务器的故障自诊断方法的另一个具体实例进行介绍:空调器100的压缩机出现排气温度高于预设温度阈值的情况,向云端服务器200发送包含故障代码B3的故障查询请求,云端服务器200接收该故障查询请求之后,根据故障代码B3确定空调器100出现室外机故障,向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动。在室外机断电重启之后,获取室外机的运行状态,判定室外机故障已消除,向空调器100发送正常运行的指令。
本实施例的基于云端服务器的故障自诊断方法,在空调器100出现室外机故障的情况下,向空调器100的室内机发送重启信息,以通过室内机将空调器100的室外机断电并重新启动;并在室外机重新启动之后获取室外机的运行状态,判断室外机故障是否消除,在室外机故障没有消除的情况下,获取空调器100对应的用户信息,并根据用户信息派送维修任务,在室外机故障消除的情况下,向空调器100发送正常运行的指令,能够提高空调器100故障自诊断的智能化程度,既保证室外机故障无法通过重启消除时能够及时得到派单维修,又能够保证室外机故障消除之后空调器100正常运行,避免无必要的派单,极大地降低了误报率,全自动诊断故障派单的过程也可以提升用户的使用体验。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (8)
1.一种基于云端服务器的故障自诊断方法,包括:
接收由空调器上传的故障查询请求,其中所述故障查询请求根据所述空调器出现的故障生成并至少包含故障代码;
根据所述故障代码确定所述空调器出现的故障类型,其中所述云端服务器预先存储有不同的故障代码对应的故障类型,所述故障类型包括室内机故障和室外机故障;
判断所述空调器是否出现所述室内机故障;以及
若是,获取所述空调器对应的用户信息,并根据所述用户信息派送维修任务,
其中获取所述空调器对应的用户信息的步骤包括:获取所述空调器的机器信息;在信息库中查询所述机器信息对应的所述用户信息,其中所述信息库预先存储有不同的机器信息对应的用户信息,所述用户信息包括所述空调器的安装地址,
在所述空调器出现所述室外机故障的情况下,向所述空调器的室内机发送重启信息,以通过所述室内机将所述空调器的室外机断电并重新启动。
2.根据权利要求1所述的方法,其中在所述室外机重新启动的步骤之后还包括:
获取所述室外机的运行状态;
判断所述室外机故障是否消除;以及
若否,执行获取所述空调器对应的用户信息,并根据所述用户信息派送维修任务的步骤。
3.根据权利要求2所述的方法,其中,
在所述室外机故障消除的情况下,向所述空调器发送正常运行的指令。
4.根据权利要求1所述的方法,其中根据所述用户信息派送维修任务的步骤包括:
向处于所述安装地址的服务网点派送维修任务,以通知工人上门维修所述空调器。
5.根据权利要求1所述的方法,还包括:
预先获取与所述空调器绑定的移动终端上传的所述用户信息和所述机器信息,以在所述信息库中进行存储。
6.根据权利要求1所述的方法,其中,
所述室内机故障包括:所述空调器的室内温度传感器读数异常、所述空调器的室内风机停机、所述空调器的导风板无法打开。
7.根据权利要求6所述的方法,其中,
所述室外机故障包括:所述空调器的室外温度传感器读数异常、所述空调器的室外风机停机、所述空调器的压缩机的排气温度高于预设温度阈值、所述空调器的冷媒循环系统内部压力大于预设压力阈值、所述压缩机停机。
8.一种基于云端服务器的故障自诊断系统,其中所述云端服务器与空调器进行数据交互,且所述云端服务器配置成执行权利要求1至7中任一项所述的基于云端服务器的故障自诊断方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111564154.XA CN114322201B (zh) | 2021-12-20 | 2021-12-20 | 基于云端服务器的故障自诊断方法与系统 |
PCT/CN2022/101962 WO2023115878A1 (zh) | 2021-12-20 | 2022-06-28 | 基于云端服务器的故障自诊断方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111564154.XA CN114322201B (zh) | 2021-12-20 | 2021-12-20 | 基于云端服务器的故障自诊断方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114322201A CN114322201A (zh) | 2022-04-12 |
CN114322201B true CN114322201B (zh) | 2024-07-12 |
Family
ID=81051928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111564154.XA Active CN114322201B (zh) | 2021-12-20 | 2021-12-20 | 基于云端服务器的故障自诊断方法与系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114322201B (zh) |
WO (1) | WO2023115878A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114322201B (zh) * | 2021-12-20 | 2024-07-12 | 青岛海尔空调器有限总公司 | 基于云端服务器的故障自诊断方法与系统 |
CN115875798B (zh) * | 2022-12-01 | 2024-08-16 | 珠海格力电器股份有限公司 | 一种空调的故障处理方法、装置及空调 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106766015A (zh) * | 2017-03-06 | 2017-05-31 | Tcl空调器(中山)有限公司 | 空调器故障反馈方法及装置 |
CN111415016A (zh) * | 2020-03-06 | 2020-07-14 | 广东美的制冷设备有限公司 | 家电的故障处理方法、终端、服务器和可读存储介质 |
CN112596937A (zh) * | 2020-12-22 | 2021-04-02 | 青岛海尔科技有限公司 | 故障处理方法和装置、存储介质及电子装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106453604B (zh) * | 2016-10-31 | 2019-12-27 | 广东美的制冷设备有限公司 | 家电故障处理方法、装置及系统 |
CN108895607A (zh) * | 2018-07-04 | 2018-11-27 | 珠海格力电器股份有限公司 | 空调故障处理方法、装置、存储介质、空调及服务器 |
CN109373511A (zh) * | 2018-11-27 | 2019-02-22 | 奥克斯空调股份有限公司 | 一种空调故障语音播报方法、装置及空调器 |
CN109780680A (zh) * | 2019-01-31 | 2019-05-21 | 广东美的制冷设备有限公司 | 空调器的故障报修方法、装置、空调器及服务器 |
CN110753130A (zh) * | 2019-10-31 | 2020-02-04 | 广东美的制冷设备有限公司 | 控制方法、装置、空调器和计算机存储介质 |
KR20210126853A (ko) * | 2020-04-13 | 2021-10-21 | 엘지전자 주식회사 | 공기조화기 제어 서버 |
CN113298322B (zh) * | 2021-06-23 | 2024-01-30 | 国网四川省电力公司成都供电公司 | 一种多维优化的电力工单智能派发方法 |
CN114322201B (zh) * | 2021-12-20 | 2024-07-12 | 青岛海尔空调器有限总公司 | 基于云端服务器的故障自诊断方法与系统 |
-
2021
- 2021-12-20 CN CN202111564154.XA patent/CN114322201B/zh active Active
-
2022
- 2022-06-28 WO PCT/CN2022/101962 patent/WO2023115878A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106766015A (zh) * | 2017-03-06 | 2017-05-31 | Tcl空调器(中山)有限公司 | 空调器故障反馈方法及装置 |
CN111415016A (zh) * | 2020-03-06 | 2020-07-14 | 广东美的制冷设备有限公司 | 家电的故障处理方法、终端、服务器和可读存储介质 |
CN112596937A (zh) * | 2020-12-22 | 2021-04-02 | 青岛海尔科技有限公司 | 故障处理方法和装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114322201A (zh) | 2022-04-12 |
WO2023115878A1 (zh) | 2023-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114322201B (zh) | 基于云端服务器的故障自诊断方法与系统 | |
WO2023115877A1 (zh) | 基于云端服务器的故障自诊断方法与系统 | |
CN103134142B (zh) | 空调系统全堵的检测方法 | |
CN102705954B (zh) | 基于互联网的变频空调故障自动报修与检测方法 | |
JP5507199B2 (ja) | 空気調和装置の故障診断システム | |
CN105180362B (zh) | 压缩机过载保护控制方法和装置及定频空调器 | |
CN107965918B (zh) | 燃气热水器智能诊断系统 | |
CN104566838A (zh) | 空调器的故障检测方法和装置 | |
KR20060111668A (ko) | Hvac 시스템을 위한 고장 형태 | |
CN105674479A (zh) | 多联机空调运行控制方法及装置 | |
CN103940052A (zh) | 空调器及其故障检测方法 | |
CN103383130A (zh) | 一种智能新风空调联动控制管理方法 | |
CN106352489A (zh) | 一种空调故障的检测方法及系统 | |
CN109579217A (zh) | 机组设备的数据处理方法、装置、机组设备和存储介质 | |
WO2022262629A1 (zh) | 基于物联网空调的远程监控系统及其控制方法 | |
CN102032650A (zh) | 空调监控系统 | |
CN105546752A (zh) | 空调器控制方法及装置 | |
CN107869822B (zh) | 一种多联机空调监控方法、监控系统及室外主机 | |
CN110908344A (zh) | 监控分站、方法及系统 | |
CN111664543A (zh) | 一种空调器及其控制方法 | |
CN106152429A (zh) | 智能空调系统及其控制方法 | |
CN114484716A (zh) | 一种空调及其控制方法、装置和计算机可读存储介质 | |
CN113294888B (zh) | 空调故障诊断方法及装置、工程故障诊断方法及系统、空调 | |
CN110726211B (zh) | 空调多联机控制方法、装置、存储介质及空调多联机 | |
CN111678241A (zh) | 中央空调主机大数据监测智慧运行系统 |
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 |