CN114353854A - 用于在线定位异常传感器的方法、设备和介质 - Google Patents
用于在线定位异常传感器的方法、设备和介质 Download PDFInfo
- Publication number
- CN114353854A CN114353854A CN202210274582.7A CN202210274582A CN114353854A CN 114353854 A CN114353854 A CN 114353854A CN 202210274582 A CN202210274582 A CN 202210274582A CN 114353854 A CN114353854 A CN 114353854A
- Authority
- CN
- China
- Prior art keywords
- temperature
- sensor
- water
- cooling water
- sensors
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004044 response Effects 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 118
- 239000000498 cooling water Substances 0.000 claims description 57
- 238000001704 evaporation Methods 0.000 claims description 35
- 238000009833 condensation Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 28
- 230000008020 evaporation Effects 0.000 claims description 26
- 230000005494 condensation Effects 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 8
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 claims 3
- 238000003745 diagnosis Methods 0.000 abstract description 21
- 238000010586 diagram Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 13
- 238000001816 cooling Methods 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000003507 refrigerant Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开的实施例涉及用于在线定位异常传感器的方法、设备和介质。根据该方法,在被测系统稳定运行期间,从被测系统的多个传感器获取多个第一运行参数数据;基于多个第一运行参数数据,确定多个第二运行参数数据;基于多个第一运行参数数据以及多个第二运行参数数据,依次检查预先确定的多个约束条件中的每一个约束条件,以确定该多个约束条件中是否有一个或多个约束条件被违反;以及响应于确定有一个或多个约束条件被违反,基于所违反的一个或多个约束条件,定位多个传感器中存在异常的传感器。由此,能够利用被测设备自身的实时运行参数来完成对其所包括的传感器的在线诊断,从而及时发现发生故障的传感器,而无需依赖历史数据。
Description
技术领域
本公开的实施例总体涉及故障诊断领域,并且更具体地涉及一种用于在线定位异常传感器的方法、设备和介质。
背景技术
随着智能化的发展,传感器扮演着愈来愈重要的角色。在各种系统(例如,空调系统)中,传感器(例如,空调系统中的冷水机组的传感器)的测量信号是对该系统进行控制和监测的基础,也是对该系统进行能效分析和故障诊断的依据。因此,如果传感器所提供的数据不可靠或不准确,可能会造成控制策略的决策偏差,进而导致整个系统的能耗增加或者环境的舒适性下降,甚至可使得系统在不安全的工况下运行,进而导致系统停机或损坏,甚至造成安全事故。在通常情况下,传感器在经过长期使用之后都会出现测量偏差或者漂移之类的问题,因此及时发现传感器的这种异常或故障非常重要。
目前,传感器故障诊断研究的方法多数是基于数据驱动的方法,这种方法需要使用算法(例如,经训练的模型)对系统正常运行情况下的历史数据特征进行提取,然后通过判断当前数据与历史数据特征的一致性来定位存在故障的传感器。但是,由于难以获取全工况周期的正常运行数据,而且经训练的模型仅可适用于特定的系统,因此这种方法短时间内难以落地实施应用。
发明内容
针对上述问题,本公开提供了一种用于在线定位异常传感器的方法和设备,使得能够利用被测设备自身的实时运行参数来完成对其所包括的传感器的在线诊断,从而及时发现发生故障的传感器,而无需依赖历史数据。
根据本公开的第一方面,提供了一种用于在线定位异常传感器的方法,包括:在被测系统稳定运行期间,从所述被测系统的多个传感器获取多个第一运行参数数据;基于所述多个第一运行参数数据,确定多个第二运行参数数据;基于所述多个第一运行参数数据以及所述多个第二运行参数数据,依次检查预先确定的多个约束条件中的每一个约束条件,以确定所述多个约束条件中是否有一个或多个约束条件被违反,每一约束条件指示在所述被测系统正常运行时,相应的一个或多个第一运行参数数据或第二运行参数数据应该满足的约束条件;以及响应于确定有一个或多个约束条件被违反,基于所违反的一个或多个约束条件,定位所述多个传感器中存在异常的传感器。
根据本公开的第二方面,提供了一种计算设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开的第一方面的方法。
在本公开的第三方面中,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中所述计算机指令用于使计算机执行本公开的第一方面的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素。
图1示出了用于实现根据本发明的实施例的用于在线定位异常传感器的方法的示例系统100的示意图。
图2示出了根据本公开的实施例的示例性冷水机组200的示意图。
图3示出了根据本公开的实施例的用于在线定位异常传感器的方法300的流程图。
图4示出了根据本公开的实施例的用于基于所违反的一个或多个约束条件定位存在异常的传感器的方法400的流程图。
图5示出了根据本公开的实施例的与冷水机组有关的示例性约束条件以及每一约束条件与各个传感器之间的相关性大小的说明性示意图。
图6示出了根据本公开的实施例的电子设备600的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上所述,目前传感器故障诊断研究的方法多数是基于数据驱动的方法,这种方法需要使用算法(例如,经训练的模型)对系统正常运行情况下的历史数据特征进行提取,然后通过判断当前数据与历史数据特征的一致性来定位存在故障的传感器。但是,由于难以获取全工况周期的正常运行数据,而且经训练的模型仅可适用于特定的系统,因此这种方法短时间内难以落地实施应用。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开的示例实施例提出了一种用于在线定位异常传感器的方法,包括:在被测系统稳定运行期间,从所述被测系统的多个传感器获取多个第一运行参数数据;基于所述多个第一运行参数数据,确定多个第二运行参数数据;基于所述多个第一运行参数数据以及所述多个第二运行参数数据,依次检查预先确定的多个约束条件中的每一个约束条件,以确定所述多个约束条件中是否有一个或多个约束条件被违反,每一约束条件指示在所述被测系统正常运行时,相应的一个或多个第一运行参数数据或第二运行参数数据应该满足的约束条件;以及响应于确定有一个或多个约束条件被违反,基于所违反的一个或多个约束条件,定位所述多个传感器中存在异常的传感器。以此方式,使得能够利用被测设备自身的实时运行参数来完成对被测设备所包括的传感器的在线诊断,从而及时找出发生故障的传感器,而无需依赖历史数据,进而保证了传感器所测量的数据的准确性和可靠性,由此为被测设备的安全运行及节能控制策略提供了有效的数据支撑。而且,该方法可以在具有相应传感器的多种被测设备中使用,因此迁移性和普适性较高。
图1示出了用于实现根据本发明的实施例的用于在线定位异常传感器的方法的示例系统100的示意图。如图1中所示,系统100包括一个或多个故障诊断设备110以及被测系统120。故障诊断设备110和被测系统120可以例如通过网络130经由主机通讯协议进行数据交互。在本公开中,被测系统120可以是诸如中央空调系统中的冷水机组之类的包括多个传感器1201的系统。故障诊断设备110可用于对被测系统120进行故障诊断,包括对被测系统120所包括的多个传感器1201进行故障诊断,以定位这些传感器中的存在故障(或异常)的传感器。故障诊断设备110可通过诸如台式机、膝上型计算机、笔记本电脑、工业控制计算机之类的计算设备来实现,其可以包括至少一个处理器1101以及与该至少一个处理器1101耦合的至少一个存储器1102,该存储器1102中存储有可由该至少一个处理器1102执行的指令,该指令在被该至少一个处理器1101执行时执行如下所述的方法300。故障诊断设备110的具体结构可例如为下面结合图6所描述的电子设备600。
被测系统120可例如为中央空调系统中的冷水机组。图2示出了根据本公开的实施例的示例性冷水机组200的示意图。如图2所示,冷水机组200可包括冷凝器202、蒸发器204、压缩机206和膨胀装置208四个主要组件,这些组件通过管道(由图2中的线条表示)流体连通,以便实现机组制冷制热效果。具体地,膨胀装置208通过管道与冷凝器202和蒸发器204流体连通,压缩机206也通过管道与冷凝器202和蒸发器204流体连通。冷凝器202可通过管道接收例如来自冷却塔(图中未示出)的冷却水,并对冷却水进行热交换后,使经热交换的冷却水经由管道流出。蒸发器204可通过管道接收冷冻水,并对冷冻水进行热交换后,使经热交换的冷冻水经由管道流出。为了实现对冷水机组200的控制监测,冷水机组200中还包括由如图2中的黑点表示的多个传感器,这些传感器可包括用于测量冷冻水进水温度Tin,e的冷冻水进水温度传感器Sin,e、用于测量冷冻水出水温度Tout,e的冷冻水出水温度传感器Sout,e、用于测量蒸发温度Te的蒸发温度或压力传感器Se、用于测量吸气温度Tsuc的吸气温度传感器Ssuc、用于测量冷却水进水温度Tin,c的冷却水进水温度传感器Sin,c、用于测量冷却水出水温度Tout,c的冷却水出水温度传感器Sout,c、用于测量冷凝温度Tc的冷凝温度或压力传感器Sc、用于测量排气温度Tdis的排气温度传感器Sdis以及用于测量阀前温度Tout的阀前温度传感器Sout。本公开的方案可用于定位这些传感器中出现异常(或故障)的传感器。
为了清楚起见,下面将简单介绍冷水机组200在制冷时的基本工作原理。冷水机组200利用蒸发器204使进入蒸发器204的冷冻水与冷媒进行热交换,冷媒吸收水中的热负荷,从而使水降温产生冷水,然后通过压缩机206的作用将热量带至冷凝器202,在冷凝器202中由冷媒与进入的冷却水进行热交换,使冷却水吸收热量后通过水管将热量带出。如图2所示,在制冷循环过程中,开始时,由压缩机206吸入蒸发制冷后的低温低压制冷剂气体,然后将该气体压缩成高温高压气体后送至冷凝器。该高温高压气体经冷凝器冷却后冷凝变为高温高压液体。该高温高压液体流入膨胀装置208,然后经膨胀装置208节流成低温低压的两相制冷剂,该两相制冷剂流入蒸发器204后用于吸收蒸发器204内的冷冻水的热量使水温度下降。蒸发后的制冷剂再吸回到压缩机206中,然后重复下一个制冷循环。由此可见,关于冷水机组的各个运行参数数据之间实际上应该存在一定的约束条件的,该约束条件可基于冷水机组中的每一组件对流经该组件的流体的能量调节(例如,传热机理或热量调节)作用确定。
图3示出了根据本公开的实施例的用于在线定位异常传感器的方法300的流程图。方法300可由如图1所示的故障诊断设备110执行,该故障诊断设备110的具体结构可如图6所示的电子设备600所示。应当理解的是,方法300还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在步骤302,在被测系统稳定运行期间,从该被测系统的多个传感器获取多个第一运行参数数据。
在本公开中,被测系统稳定运行可指的是该被测系统的开机时间已达到或超过阈值时间长度(例如,2个小时),并且与被测系统相关联的多个运行参数数据的变化率均小于或等于相应阈值。在本公开中,这些第一运行参数数据可以是实时获取的。在该稳定运行时间期间,如果某个特定的第一运行参数数据的所有值均为空值或所有值均为0,则视为用于感测或测量该第一运行参数数据的传感器不存在,因此不列入传感器诊断清单。另外,在被测系统稳定运行期间,冷机功率、机组运行状态、制冷剂种类、额定制冷量和额定功率必须不为空,否则认为不具备基本诊断条件。
例如,该被测系统可是如图2所示的冷水机组200,因此在该示例中,该多个第一运行参数数据可包括:由冷冻水进水温度传感器Sin,e测量的冷冻水进水温度Tin,e、由冷冻水出水温度传感器Sout,e测量的冷冻水出水温度Tout,e、由蒸发温度或压力传感器Se测量的蒸发温度Te、由吸气温度传感器Ssuc测量的吸气温度Tsuc、由冷却水进水温度传感器Sin,c测量的冷却水进水温度Tin,c、由冷却水出水温度传感器Sout,c测量的冷却水出水温度Tout,c、由冷凝温度或压力传感器Sc测量的冷凝温度Tc、由排气温度传感器Sdis测量的排气温度Tdis以及由阀前温度传感器Sout测量的阀前温度Tout。
在步骤304,基于步骤302中得到的多个第一运行参数数据,确定多个第二运行参数数据。
例如,在前面提到的冷水机组的示例中,多个第二运行参数数据可包括等熵效率、冷冻水实际流量和冷却水实际流量。
等熵效率ηs可基于排气温度Tdis、冷凝温度Tc、吸气温度Tsuc和蒸发温度Te这四个第一运行参数数据确定。具体地,可等熵效率ηs可基于以下等式(1)确定:
其中,hdis,s为等熵排气焓值,取决于吸气熵值和冷凝温度Tc,吸气熵值取决于吸气温度Tsuc和蒸发温度Te;hsuc为吸气焓值,其取决于吸气温度Tsuc和蒸发温度Te;hdis为排气焓值,其取决于排气温度Tdis和冷凝温度Tc。在一些实施例中,如果缺失吸气温度Tsuc,则吸气熵值和吸气焓值也可仅根据蒸发温度Te来计算,在这种实施例中等熵效率ηs可认为是基于排气温度Tdis、冷凝温度Tc、蒸发温度Te这三个第一运行参数数据确定。
冷冻水实际流量me可基于冷冻水进水温度Tin,e、冷冻水出水温度Tout,e、排气温度Tdis、冷凝温度Tc、吸气温度Tsuc、蒸发温度Te和阀前温度Tout这七个第一运行参数数据确定。具体地,冷冻水实际流量me可基于以下等式(2)确定:
其中,k为系数,其取值在范围 (0,1)之间,并且具体根据压缩机的结构、冷却形式及运行时间等因素来取值;hsuc为吸气焓值,其取决于吸气温度Tsuc和蒸发温度Te;hdis为排气焓值,其取决于排气温度Tdis和冷凝温度Tc;hout为冷凝器出口焓值,其取决于阀前温度Tout和冷凝温度Tc;Tin,e为冷冻水进水温度;Tout,e为冷冻水出水温度;cpe为冷冻水的定压比热容(例如,可以为4.182);Wcom为压缩机功率。
冷却水实际流量mc可基于冷却水进水温度Tin,c、冷却水出水温度Tout,c、排气温度Tdis、冷凝温度Tc、吸气温度Tsuc、蒸发温度Te和阀前温度Tout这七个第一运行参数数据确定。具体地,冷却水实际流量mc可基于以下等式(3)确定:
其中,k为系数,其与公式(2)中的k值相同;hsuc为吸气焓值,其取决于吸气温度Tsuc和蒸发温度Te;hdis为排气焓值,其取决于排气温度Tdis和冷凝温度Tc;hout为冷凝器出口焓值,其取决于阀前温度Tout和冷凝温度Tc;Tout,c为冷却水出水温度,Tin,c为冷却水进水温度;cpc为冷却水的定压比热容(例如,可以为4.182);Wcom为压缩机功率。
在步骤306,基于多个第一运行参数数据以及多个第二运行参数数据,依次检查预先确定的多个约束条件中的每一个约束条件,以确定该多个约束条件中是否有一个或多个约束条件被违反,每一约束条件指示在被测系统正常运行时,相应的一个或多个第一运行参数数据或第二运行参数数据应该满足的条件。
在本公开中,该多个约束条件可基于被测系统中的每一组件对流经该组件的流体的能量调节作用(例如,传热机理)来确定。
例如,在前面提到的冷水机组的示例中,根据冷凝器202、蒸发器204、压缩机206和膨胀装置208对在冷水机组中流动或循环的流体的能量调节作用,可包括以下中的多个约束条件:冷冻水出水温度Tout,e大于蒸发温度Te(即Tout,e-Te>0);冷冻水出水温度Tout,e小于冷冻水进水温度Tin,e(即Tout,e- Tin,e <0);冷冻水进水温度Tin,e大于蒸发温度Te(即Tin,e-Te>0);冷却水出水温度Tout,c小于冷凝温度Tc(即Tout,c-Tc<0);冷却水出水温度Tout,c大于冷却水进水温度Tin,c(即Tout,c-Tin,c>0);冷却水进水温度Tin,c小于冷凝温度Tc(即Tin,c-Tc<0);冷凝温度Tc大于蒸发温度Te(即Tc-Te>0);阀前温度Tout大于冷却水进水温度Tin,c(即Tout-Tin,c>0);阀前温度Tout小于冷凝温度Tc(即Tout-Tc<0);吸气温度Tsuc与蒸发温度Te之间的差值大于第一预设值(即Tsuc-Te>第一预设值,该第一预设值是可调的,其可例如为-1);排气温度Tdis与冷凝温度Tc之间的差值大于第二预设值(即Tdis-Tc>第二预设值,该第二预设值也是可调的,其可例如为5);等熵效率ηs在第一上限值和第一下限值之间(即,第一下限值<ηs<第一上限值,第一上限值和第一下限值均是可调的,其中该第一上限值可例如为0.95,该第一下限值可例如为0.15);冷冻水实际流量me在第二上限值和第二下限值之间(即,第二下限值<me<第二上限值,第二上限值和第二下限值也均是可调的,其中第二上限值可例如为额定冷冻水流量me,r的3倍,并且第二下限值可例如为额定冷冻水流量me,r的30%);以及冷却水实际流量mc在第三上限值和第三下限值之间(即,第三下限值<mc<第三上限值,第三上限值和第三下限值也均是可调的,其中第三上限值可例如为额定冷却水流量mc,r的3倍,并且第三下限值可例如为额定冷却水流量mc,r的30%)。在前面提到的约束条件中,额定冷冻水流量me,r可例如由额定制冷量与例如20.91(即,设计工况下水的比热容与冷冻水进出口温差的乘积)的商值计算获得,并且额定冷却水流量mc,r可例如由额定制冷量和额定功率之和与例如20.91(即,设计工况下水的比热容与冷却水进出口温差的乘积)的商值计算获得。
通过将在步骤302和304确定的多个第一运行参数数据以及多个第二运行参数数据中的相应运行参数数据依次代入预先确定的多个约束条件中的每一个约束条件,可以确定相应的参数数据是否没有满足相应的约束条件,从而可确定这些约束条件中是否有一个或多个约束条件被违反。各个第一运行参数数据是在被测系统稳定运行期间感测到的,因此约束条件的违反必定是由传感器异常造成的,因此通过找出被违反的约束条件,就可基于这些被违反的约束条件来定位出存在异常的传感器。
在步骤308,响应于确定有一个或多个约束条件被违反,基于所违反的一个或多个约束条件,定位多个传感器中存在异常的传感器。
在本公开中,根据所有被违反的约束条件,可判断出哪些传感器存在异常。虽然故障程度小的传感器难以检测,但在实际的系统中,由于空调的运行工况范围变化很宽,所以采用该方法总有机会检测出发生故障的传感器。
下面将结合附图4对用于基于所违反的一个或多个约束条件定位多个传感器中存在异常的传感器的方法作进一步更详细的描述。
图4示出了根据本公开的实施例的用于基于所违反的一个或多个约束条件定位存在异常的传感器的方法400的流程图。方法400可由可由如图1所示的故障诊断设备110执行,该故障诊断设备110的具体结构可如图6所示的电子设备600所示。应当理解的是,方法400还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在步骤402,为多个传感器中的每一传感器(即被测设备的多个传感器中的每一传感器)确定该传感器与所违反的一个或多个约束条件中的每一约束条件之间的相关性大小。在本公开中,每一相关性大小指示相应传感器的测量值对相应约束关系的影响力的大小,由此可以指示由相应传感器引起相应约束条件被违反的可能性。例如,对于约束条件Tout,e-Te>0,冷冻水出水温度传感器Sout,e的测量值(即冷冻水出水温度Tout,e)和蒸发温度或压力传感器Se的测量值(即蒸发温度Te)对该约束条件的影响力应该是相同的,各占50%,而其与其他传感器并不相干,因此其他传感器对该约束条件的影响力应该为0。
例如,图5列出了与冷水机组有关的多个示例性约束条件以及每一约束条件与各个传感器之间的相关性大小的说明性示意图。在图5中,相关性大小可例如为1或0.5,其中相关性大小1可表示由相应的传感器引起相应的约束条件被违反的可能性为50%;相应地,相关性大小0.5表示由相应的传感器引起相应的约束条件被违反的可能性为25%;另外,空格可表示相关性大小为0,这时相应的传感器引起相应的约束条件被违反的可能性为0。当然,也可根据实际使用的需要,使用其他方式来约定各种相关性大小。具体地,在图5中,例如对于约束条件Tout,e-Te>0,冷冻水出水温度传感器Sout,e和蒸发温度传感器Se的相关性大小均为1,这表明如果该约束条件被违反,则有50%的可能性是由冷冻水出水温度传感器Sout,e引起的,还有50%的可能性是由蒸发温度传感器Se引起的。对于其他约束条件也可以用类似的方式来进行解释,为简要起见本文中不再进行赘述。
值得一提的是,虽然如前面所提到的,冷冻水实际流量me是基于冷冻水进水温度Tin,e、冷冻水出水温度Tout,e、排气温度Tdis、冷凝温度Tc、吸气温度Tsuc、蒸发温度Te和阀前温度Tout这七个第一运行参数数据来确定的,但是由于冷冻水进水温度Tin,e和冷冻水出水温度Tout,e对冷冻水实际流量me的影响最大、敏感性最强,若超过相应的上限值,则进出水温度出现异常的概率更大,因此可认为仅冷冻水进水温度传感器Sin,e和冷冻水出水温度传感器Sout,e与约束条件0.3me,r<me<3me,r相关,并且相应的相关性大小均为0.5。类似地,虽然如前面所提到的,冷却水实际流量mc是基于冷却水进水温度Tin,c、冷却水出水温度Tout,c、排气温度Tdis、冷凝温度Tc、吸气温度Tsuc、蒸发温度Te和阀前温度Tout这七个第一运行参数数据来确定的,但是由于冷却水进水温度Tin,c和冷却水出水温度Tout,c对冷却水实际流量的影响最大、敏感性最强,若超过相应的上限值,则进出水温度出现异常的概率更大,因此可认为仅冷却水进水温度传感器Sin,c和冷却水出水温度传感器Sout,c与约束条件0.3mc,r<mc<3mc,r相关,并且相应的相关性大小也均为0.5。
在步骤404,为每一传感器计算相关性总和,该相关性总和表示为相应传感器确定的所有相关性大小的和。
例如,如图5所示,为了便于描述,冷冻水进水温度传感器Sin,e、冷冻水出水温度传感器Sout,e、蒸发温度或压力传感器Se、吸气温度传感器Ssuc、冷却水进水温度传感器Sin,c、冷却水出水温度传感器Sout,c、冷凝温度或压力传感器Sc、排气温度传感器Sdis以及阀前温度传感器Sout的相关性总和可分别用n1、n2、n3、n4、n5、n6、n7、n8和n9来表示。
在步骤406,基于各个传感器之间的关联关系,将多个传感器划分成多个分组。
例如,如果多个传感器的测量值均可反映被测系统的某个组件的能量调节作用(例如,温度调节作用),则可将这些传感器分在同一分组内。
例如,对冷水机组的示例,由于冷冻水进水温度传感器Sin,e、冷冻水出水温度传感器Sout,e、蒸发温度或压力传感器Se、吸气温度传感器Ssuc的测量值之间的关系可以直接反映蒸发器204对相关流体的温度调节作用,而冷却水进水温度传感器Sin,c、冷却水出水温度传感器Sout,c、冷凝温度或压力传感器Sc、排气温度传感器Sdis以及阀前温度传感器Sout的测量值之间的关系可以直接反映冷凝器202对相关流体的温度调节作用,因此在冷水机组的示例中,可将这些传感器划分为两个相应的分组。
在步骤408,对于每一分组,基于为该分组中的多个传感器确定的多个相关性总和,定位该分组中存在异常的传感器。
在一些实施例中,可根据为该分组中的多个传感器确定的多个相关性总和中的最大值来定位该分组中存在异常的传感器。
例如,在以上冷水机组的示例中,对于在蒸发器侧的各个传感器可基于以下方式来定位该分组中存在异常的传感器。
在max(n1,n2,n3,n4)>1的情况下(即在为该分组中的多个传感器确定的多个相关性总和n1、n2、n3和n4中的最大值大于1的情况下):如果该分组中相关性总和等于该最大值的传感器的数量大于1,则可确定该分组中相关性总和等于该最大值的传感器中的至少一个传感器存在异常;如果该分组中相关性总和等于该最大值的传感器的数量等于1,则可确定该分组中相关性总和等于该最大值的传感器存在异常。
在max(n1,n2,n3,n4)=1的情况下,则可确定该分组中相关性总和等于1的传感器中的至少一个传感器存在异常。
在max(n1,n2,n3,n4)<1的情况下,则可确定该分组中的所有传感器当前均无异常。
另一方面,对于在冷凝器侧的各个传感器,也可基于与以上用于蒸发器侧的各个传感器的定位方法相类似的方式来定位该分组中存在异常的传感器,只是这时的最大值是为冷凝器侧的多个传感器确定的多个相关性总和n5、n6、n7、n8和n9中的最大值。
值得说明的是,以上判断基于由多个传感器在某个时刻测量到的单组数据,为保证诊断信息的可靠性,可针对实际情况进行进一步的限制,如连续满足上述条件数据的组数超过某一阈值,或者满足上述条件数据的总数不低于某一阈值的时间。
通过采用上述手段,本公开能够使得能够利用被测设备自身的实时运行参数来完成对其所包括的传感器的在线诊断,从而及时发现发生故障的传感器,而无需依赖历史数据。
在定位了存在异常的传感器之后,就可输出相应的信息,以供专业人员采取相应的措施来对此进行处理。
图6示出了可以用来实施本公开内容的实施例的示例电子设备600的示意性框图。例如,如图1所示的故障诊断设备110可以由电子设备600来实施。如图所示,电子设备600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的计算机程序指令或者从存储单元608加载到随机存取存储器(RAM)603中的计算机程序指令,来执行各种适当的动作和处理。在随机存取存储器603中,还可存储电子设备600操作所需的各种程序和数据。中央处理单元601、只读存储器602以及随机存取存储器603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至输入/输出接口605,包括:输入单元606,例如键盘、鼠标、麦克风等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法300和400,可由中央处理单元601执行。例如,在一些实施例中,方法300和400可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由只读存储器602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序被加载到随机存取存储器603并由中央处理单元601执行时,可以执行上文描述的方法300和400的一个或多个动作。
本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。 计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种用于在线定位异常传感器的方法,包括:
在被测系统稳定运行期间,从所述被测系统的多个传感器获取多个第一运行参数数据;
基于所述多个第一运行参数数据,确定多个第二运行参数数据;
基于所述多个第一运行参数数据以及所述多个第二运行参数数据,依次检查预先确定的多个约束条件中的每一个约束条件,以确定所述多个约束条件中是否有一个或多个约束条件被违反,每一约束条件指示在所述被测系统正常运行时,相应的一个或多个第一运行参数数据或第二运行参数数据应该满足的条件;以及
响应于确定有一个或多个约束条件被违反,基于所违反的一个或多个约束条件,定位所述多个传感器中存在异常的传感器。
2.根据权利要求1所述的方法,所述多个约束条件是基于所述被测系统中的每一组件对流经该组件的流体的能量调节作用确定的。
3.根据权利要求1所述的方法,其中响应于确定有一个或多个约束条件被违反,基于所违反的一个或多个约束条件,定位所述多个传感器中存在异常的传感器包括:
为所述多个传感器中的每一传感器确定所述传感器与所违反的一个或多个约束条件中的每一约束条件之间的相关性大小,每一相关性大小指示由相应传感器引起相应约束条件被违反的可能性;
为每一传感器计算相关性总和,所述相关性总和表示为相应传感器确定的所有相关性大小的和;
基于各个传感器之间的关联关系,将所述多个传感器划分成多个分组;以及
对于每一分组,基于为该分组中的多个传感器确定的多个相关性总和,定位该分组中存在异常的传感器。
4.根据权利要求1所述的方法,其中所述被测系统稳定运行指的是所述被测系统的开机时间已达到或超过阈值时间长度,并且与所述被测系统相关联的多个运行参数数据的变化率均小于或等于相应阈值。
5.根据权利要求1所述的方法,其中所述被测系统为冷水机组,并且所述冷水机组包括冷凝器、蒸发器、膨胀装置和压缩机。
6.根据权利要求5所述的方法,其中所述多个传感器包括冷冻水进水温度传感器、冷冻水出水温度传感器、蒸发温度或压力传感器、吸气温度传感器、冷却水进水温度传感器、冷却水出水温度传感器、冷凝温度或压力传感器、排气温度传感器和阀前温度传感器。
7.根据权利要求6所述的方法,其中所述多个第一运行参数数据包括:由所述冷冻水进水温度传感器测量的冷冻水进水温度、由所述冷冻水出水温度传感器测量的冷冻水出水温度、由蒸发温度或压力传感器测量的蒸发温度、由所述吸气温度传感器测量的吸气温度、由冷却水进水温度传感器测量的冷却水进水温度、由所述冷却水出水温度传感器测量的冷却水出水温度、由所述冷凝温度或压力传感器测量的冷凝温度、由所述排气温度传感器测量的排气温度和由所述阀前温度传感器测量的阀前温度。
8.根据权利要求7所述的方法,其中所述多个第二运行参数数据包括:等熵效率、冷冻水实际流量和冷却水实际流量,其中所述等熵效率是至少基于所述排气温度、所述冷凝温度和所述蒸发温度确定的,所述冷冻水实际流量是基于所述冷冻水进水温度、所述冷冻水出水温度、所述排气温度、所述冷凝温度、所述吸气温度、所述蒸发温度和所述阀前温度确定的,并且所述冷却水实际流量是基于所述冷却水进水温度、所述冷却水出水温度、所述排气温度、所述冷凝温度、所述吸气温度、所述蒸发温度和所述阀前温度确定的。
9.根据权利要求8所述的方法,其中所述多个约束条件包括以下中的至少一个或更多个:
冷冻水出水温度大于蒸发温度;
冷冻水出水温度小于冷冻水进水温度;
冷冻水进水温度大于蒸发温度;
冷却水出水温度小于冷凝温度;
冷却水出水温度大于冷却水进水温度;
冷却水进水温度小于冷凝温度;
冷凝温度大于蒸发温度;
阀前温度大于冷却水进水温度;
阀前温度小于冷凝温度;
吸气温度与蒸发温度之间的差值大于第一预设值;
排气温度与冷凝温度之间的差值大于第二预设值;
等熵效率在第一上限值和第一下限值之间;
冷冻水实际流量在第二上限值和第二下限值之间;以及
冷却水实际流量在第三上限值和第三下限值之间。
10.一种计算设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其中所述计算机指令用于使计算机执行权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210274582.7A CN114353854B (zh) | 2022-03-21 | 2022-03-21 | 用于在线定位异常传感器的方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210274582.7A CN114353854B (zh) | 2022-03-21 | 2022-03-21 | 用于在线定位异常传感器的方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114353854A true CN114353854A (zh) | 2022-04-15 |
CN114353854B CN114353854B (zh) | 2022-05-24 |
Family
ID=81095124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210274582.7A Active CN114353854B (zh) | 2022-03-21 | 2022-03-21 | 用于在线定位异常传感器的方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114353854B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114646342A (zh) * | 2022-05-19 | 2022-06-21 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN114659547A (zh) * | 2022-05-20 | 2022-06-24 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN115307670A (zh) * | 2022-10-12 | 2022-11-08 | 蘑菇物联技术(深圳)有限公司 | 用于定位中央空调系统异常传感器的方法、设备和介质 |
CN115307669A (zh) * | 2022-10-11 | 2022-11-08 | 蘑菇物联技术(深圳)有限公司 | 用于检测被测系统的异常传感器的方法、设备和介质 |
CN115358352A (zh) * | 2022-10-20 | 2022-11-18 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN116484306A (zh) * | 2023-06-20 | 2023-07-25 | 蘑菇物联技术(深圳)有限公司 | 异常传感器的定位方法、装置、计算机设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538859A (zh) * | 2011-05-19 | 2012-07-04 | 广东迅通科技股份有限公司 | 多类传感器的监测处理方法 |
CN103344271A (zh) * | 2013-07-22 | 2013-10-09 | 中国航空动力机械研究所 | 传感器故障诊断装置和方法以及传感器的信号采集系统 |
CN107340764A (zh) * | 2017-06-08 | 2017-11-10 | 腾讯科技(深圳)有限公司 | 无人机的异常处理方法及装置 |
CN107741111A (zh) * | 2017-11-07 | 2018-02-27 | 珠海格力电器股份有限公司 | 冷水机组及其启动控制方法和装置 |
CN109543221A (zh) * | 2018-10-19 | 2019-03-29 | 天津大学 | 一种用于空调冷水机组现场故障诊断方法 |
CN112504320A (zh) * | 2017-08-01 | 2021-03-16 | 广州极飞科技有限公司 | 数据有效性检测的方法及装置 |
CN113446519A (zh) * | 2021-09-01 | 2021-09-28 | 蘑菇物联技术(深圳)有限公司 | 用于确定管网泄漏程度的方法、电子设备和存储介质 |
CN113468162A (zh) * | 2021-09-01 | 2021-10-01 | 蘑菇物联技术(深圳)有限公司 | 用于针对异常数据进行处理的方法、设备和介质 |
CN113931258A (zh) * | 2021-11-30 | 2022-01-14 | 无锡汇田水务科技有限公司 | 自我诊断方法和无负压叠压供水设备 |
CN113934191A (zh) * | 2020-06-29 | 2022-01-14 | 青岛海信日立空调系统有限公司 | 一种冷水机组故障诊断系统 |
CN113933858A (zh) * | 2021-09-28 | 2022-01-14 | 中国科学院深圳先进技术研究院 | 定位传感器的异常检测方法、装置及终端设备 |
-
2022
- 2022-03-21 CN CN202210274582.7A patent/CN114353854B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538859A (zh) * | 2011-05-19 | 2012-07-04 | 广东迅通科技股份有限公司 | 多类传感器的监测处理方法 |
CN103344271A (zh) * | 2013-07-22 | 2013-10-09 | 中国航空动力机械研究所 | 传感器故障诊断装置和方法以及传感器的信号采集系统 |
CN107340764A (zh) * | 2017-06-08 | 2017-11-10 | 腾讯科技(深圳)有限公司 | 无人机的异常处理方法及装置 |
CN112504320A (zh) * | 2017-08-01 | 2021-03-16 | 广州极飞科技有限公司 | 数据有效性检测的方法及装置 |
CN107741111A (zh) * | 2017-11-07 | 2018-02-27 | 珠海格力电器股份有限公司 | 冷水机组及其启动控制方法和装置 |
CN109543221A (zh) * | 2018-10-19 | 2019-03-29 | 天津大学 | 一种用于空调冷水机组现场故障诊断方法 |
CN113934191A (zh) * | 2020-06-29 | 2022-01-14 | 青岛海信日立空调系统有限公司 | 一种冷水机组故障诊断系统 |
CN113446519A (zh) * | 2021-09-01 | 2021-09-28 | 蘑菇物联技术(深圳)有限公司 | 用于确定管网泄漏程度的方法、电子设备和存储介质 |
CN113468162A (zh) * | 2021-09-01 | 2021-10-01 | 蘑菇物联技术(深圳)有限公司 | 用于针对异常数据进行处理的方法、设备和介质 |
CN113933858A (zh) * | 2021-09-28 | 2022-01-14 | 中国科学院深圳先进技术研究院 | 定位传感器的异常检测方法、装置及终端设备 |
CN113931258A (zh) * | 2021-11-30 | 2022-01-14 | 无锡汇田水务科技有限公司 | 自我诊断方法和无负压叠压供水设备 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114646342A (zh) * | 2022-05-19 | 2022-06-21 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN114646342B (zh) * | 2022-05-19 | 2022-08-02 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN114659547A (zh) * | 2022-05-20 | 2022-06-24 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN115307669A (zh) * | 2022-10-11 | 2022-11-08 | 蘑菇物联技术(深圳)有限公司 | 用于检测被测系统的异常传感器的方法、设备和介质 |
CN115307669B (zh) * | 2022-10-11 | 2023-01-10 | 蘑菇物联技术(深圳)有限公司 | 用于检测被测系统的异常传感器的方法、设备和介质 |
CN115307670A (zh) * | 2022-10-12 | 2022-11-08 | 蘑菇物联技术(深圳)有限公司 | 用于定位中央空调系统异常传感器的方法、设备和介质 |
CN115307670B (zh) * | 2022-10-12 | 2023-01-13 | 蘑菇物联技术(深圳)有限公司 | 用于定位中央空调系统异常传感器的方法、设备和介质 |
CN115358352A (zh) * | 2022-10-20 | 2022-11-18 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
CN116484306A (zh) * | 2023-06-20 | 2023-07-25 | 蘑菇物联技术(深圳)有限公司 | 异常传感器的定位方法、装置、计算机设备和存储介质 |
CN116484306B (zh) * | 2023-06-20 | 2023-09-26 | 蘑菇物联技术(深圳)有限公司 | 异常传感器的定位方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114353854B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114353854B (zh) | 用于在线定位异常传感器的方法、设备和介质 | |
Rogers et al. | A review of fault detection and diagnosis methods for residential air conditioning systems | |
Li et al. | A review of virtual sensing technology and application in building systems | |
Guo et al. | An enhanced PCA method with Savitzky-Golay method for VRF system sensor fault detection and diagnosis | |
Zhao et al. | Decoupling features for fault detection and diagnosis on centrifugal chillers (1486-RP) | |
CN103969280B (zh) | 检测制冷剂异常的方法及空调器 | |
US20120053898A1 (en) | Performance evaluation device for centrifugal chiller | |
Zhao et al. | Development, evaluation, and validation of a robust virtual sensing method for determining water flow rate in chillers | |
US11248849B2 (en) | Detecting loss of charge in HVAC systems | |
CN104596033A (zh) | 在线检测中央空调主机能效cop的方法 | |
Sun et al. | Online sensor fault diagnosis for robust chiller sequencing control | |
Guo et al. | Modularized PCA method combined with expert-based multivariate decoupling for FDD in VRF systems including indoor unit faults | |
CN115307669B (zh) | 用于检测被测系统的异常传感器的方法、设备和介质 | |
CN114646342B (zh) | 用于定位异常传感器的方法、设备和介质 | |
US20230259111A1 (en) | Abnormality detection system and refrigerator, abnormality detection method, and abnormality detection program | |
CN114659547B (zh) | 用于定位异常传感器的方法、设备和介质 | |
CN114354233A (zh) | 异常确定方法及装置、设备、介质和产品 | |
JP2019143817A (ja) | 一体型空気調和装置の管理装置および管理プログラム | |
CN115127194B (zh) | 用于检测中央空调冷水机组故障的方法、设备和介质 | |
CN115358352B (zh) | 用于定位异常传感器的方法、设备和介质 | |
Liu et al. | An efficient sensor and thermal coupling fault diagnosis methodology for building energy systems | |
US8924181B2 (en) | Operating refrigeration systems | |
TWI720913B (zh) | 具有裝置異常狀態判斷功能的冷凍系統及其裝置異常狀態判斷方法 | |
Zhang et al. | AHU sensor fault diagnosis in various operating conditions based on a hybrid data-driven model combined energy consumption | |
CN110398035A (zh) | 空调器室内风机故障检测方法、装置及可读存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: No. 118, Building C1, No.1 Qingsheng Avenue, Nansha District, Guangzhou City, Guangdong Province, 511455 Patentee after: Guangdong Mushroom IoT Technology Co.,Ltd. Country or region after: Zhong Guo Address before: 518109 room 2202, building 1, Huide building, Beizhan community, Minzhi street, Longhua District, Shenzhen, Guangdong Patentee before: MOGULINKER TECHNOLOGY (SHENZHEN) CO.,LTD. Country or region before: Zhong Guo |
|
CP03 | Change of name, title or address |