CN114720014A - 设备中管路连接的检测方法、装置、电子设备及存储介质 - Google Patents
设备中管路连接的检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114720014A CN114720014A CN202210266973.4A CN202210266973A CN114720014A CN 114720014 A CN114720014 A CN 114720014A CN 202210266973 A CN202210266973 A CN 202210266973A CN 114720014 A CN114720014 A CN 114720014A
- Authority
- CN
- China
- Prior art keywords
- target
- pipeline
- equipment
- data set
- detection model
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
- G01K13/024—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow of moving gases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明实施例涉及一种设备中管路连接的检测方法、装置、电子设备及存储介质,所述方法包括:获取待检测的设备的当前工作模式;针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。由此,可以实现设备中管路对接的准确识别,提升检测速度,且在对设备中管路对接检测时不受外界温度变化的影响。
Description
技术领域
本发明实施例涉及空调设备技术领域,尤其涉及一种设备中管路连接的检测方法、装置、电子设备及存储介质。
背景技术
目前,商用空调功能强大,用途广泛,但其内部管路错综复杂,外部阀门数量众多,且空调型号复杂,因此,无法使用自动设备对阀门进行对接,大多依靠人工对接阀门。据统计,因疲劳所导致的疏忽大意是阀门接错的主要因素,因此,亟需一种可以自动检测阀门对接顺序的装置,以实现对阀门接错的产品进行准确识别。
然而,现有技术中,对商用空调阀门的对接顺序检测方法不仅会受到外界温度短时波动影响,也会受到外界整体温度变化的影响,且检测过程繁琐,识别不准确。
发明内容
鉴于此,为解决上述现有技术中,对商用空调阀门的对接顺序检测方法不仅会受到外界温度短时波动影响,也会受到外界整体温度变化的影响,且检测过程繁琐,无法进行标准化的技术问题,本发明实施例提供一种设备中管路连接的检测方法、装置、电子设备及存储介质。
第一方面,本发明实施例提供一种设备中管路连接的检测方法,包括:
获取待检测的设备的当前工作模式;
针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,在所述获取待检测的设备的当前工作模式之前,所述方法还包括:
在所述设备处于第一工作模式下时,针对所述设备的类型,获取设备在第一预设历史时间段内所述设备中管路对应的第一目标历史数据集合,所述第一目标历史数据集合为所述设备中管路对应的历史温度值集合;
利用所述第一目标历史数据集合构建第一检测模型。
在一个可能的实施方式中,所述利用所述第一目标历史数据集合构建第一检测模型,包括:
针对所述第一目标历史数据集合中的任一相邻的两个第一目标历史数据,确定两个所述第一目标历史数据之间的目标差值,得到所述第一目标历史数据集合对应的第一目标差值集合;
针对所述第一目标差值集合中的任一所述第一目标差值,确定所述第一目标差值对应的标签,得到所述第一目标差值集合对应的标签集合,所述标签用于表征所述第一目标差值对应的两个管路连接是否正确;
利用所述第一目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第一检测模型。
在一个可能的实施方式中,在所述获取待检测的设备的当前工作模式之前,所述方法还包括:
在所述设备处于第二工作模式下时,针对所述设备的类型,获取设备在第二预设历史时间段内所述设备中管路对应的第二目标历史数据集合,所述第二目标历史数据集合为所述设备中管路对应的历史温度值集合;
利用所述第二目标历史数据集合构建第二检测模型。
在一个可能的实施方式中,所述利用所述第二目标历史数据集合构建第二检测模型,包括:
针对所述第二目标历史数据集合中的任一相邻的两个第二目标历史数据,确定两个所述第二目标历史数据之间的目标差值,得到所述第二目标历史数据集合对应的第二目标差值集合;
针对所述第二目标差值集合中的任一所述第二目标差值,确定所述第二目标差值对应的标签,得到所述第二目标差值集合对应的标签集合,所述标签用于表征所述第二目标差值对应的两个管路连接是否正确;
利用所述第二目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第二检测模型。
在一个可能的实施方式中,所述在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合,包括:
在所述设备处于第一工作模式时,获取第一预设时间段内所述设备中管路对应的第一目标数据集合,所述第一目标数据集合为所述设备中管路对应的温度值集合;
所述将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确,包括:
针对所述第一目标数据集合中的任一相邻的两个第一目标数据,确定两个所述第一目标数据之间的差值,得到所述第一目标数据集合对应的第一差值集合;
将所述第一差值集合输入至第一检测模型,以根据所述第一检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合,包括:
在所述设备处于第二工作模式时,获取第二预设时间段内所述设备中管路对应的第二目标数据集合,所述第二目标数据集合为所述设备中管路对应的温度值集合;
所述将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确,包括:
针对所述第二目标数据集合中的任一相邻的两个第二目标数据,确定两个所述第二目标数据之间的差值,得到所述第二目标数据集合对应的第二差值集合;
将所述第二差值集合输入至第二检测模型,以根据所述第二检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述根据目标检测模型的输出结果确定所述管路的连接是否正确,包括:
在所述目标检测模型的输出结果为第一值时,确定所述管路的连接正确;
在所述目标检测模型的输出结果为第二值时,确定所述管路的连接错误。
在一个可能的实施方式中,在确定所述管路的连接错误之后,所述方法还包括:
通过展示界面对所述管路的连接错误信息进行报警;
接收针对所述报警输入的触发操作,以根据所述触发操作对显示的连接错误的管道进行校正。
第二方面,本发明实施例提供一种设备中管路连接的检测装置,包括:
第一获取模块,用于获取待检测的设备的当前工作模式;
调用模块,用于针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
第二获取模块,用于在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
确定模块,用于将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述装置还包括:
第一历史数据获取模块,用于在所述获取待检测的设备的当前工作模式之前,在所述设备处于第一工作模式下时,针对所述设备的类型,获取设备在第一预设历史时间段内所述设备中管路对应的第一目标历史数据集合,所述第一目标历史数据集合为所述设备中管路对应的历史温度值集合;
第一模型构建模块,用于利用所述第一目标历史数据集合构建第一检测模型。
在一个可能的实施方式中,所述第一模型构建模块具体用于:
针对所述第一目标历史数据集合中的任一相邻的两个第一目标历史数据,确定两个所述第一目标历史数据之间的目标差值,得到所述第一目标历史数据集合对应的第一目标差值集合;
针对所述第一目标差值集合中的任一所述第一目标差值,确定所述第一目标差值对应的标签,得到所述第一目标差值集合对应的标签集合,所述标签用于表征所述第一目标差值对应的两个管路连接是否正确;
利用所述第一目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第一检测模型。
在一个可能的实施方式中,所述装置还包括:
第二历史数据获取模块,用于在所述获取待检测的设备的当前工作模式之前,在所述设备处于第二工作模式下时,针对所述设备的类型,获取设备在第二预设历史时间段内所述设备中管路对应的第二目标历史数据集合,所述第二目标历史数据集合为所述设备中管路对应的历史温度值集合;
第二模型构建模块,用于利用所述第二目标历史数据集合构建第二检测模型。
在一个可能的实施方式中,所述第二模型构建模块具体用于:
针对所述第二目标历史数据集合中的任一相邻的两个第二目标历史数据,确定两个所述第二目标历史数据之间的目标差值,得到所述第二目标历史数据集合对应的第二目标差值集合;
针对所述第二目标差值集合中的任一所述第二目标差值,确定所述第二目标差值对应的标签,得到所述第二目标差值集合对应的标签集合,所述标签用于表征所述第二目标差值对应的两个管路连接是否正确;
利用所述第二目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第二检测模型。
在一个可能的实施方式中,所述第二获取模块具体用于:
在所述设备处于第一工作模式时,获取第一预设时间段内所述设备中管路对应的第一目标数据集合,所述第一目标数据集合为所述设备中管路对应的温度值集合;
所述确定模块具体用于:
针对所述第一目标数据集合中的任一相邻的两个第一目标数据,确定两个所述第一目标数据之间的差值,得到所述第一目标数据集合对应的第一差值集合;
将所述第一差值集合输入至第一检测模型,以根据所述第一检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述第二获取模块具体用于:
在所述设备处于第二工作模式时,获取第二预设时间段内所述设备中管路对应的第二目标数据集合,所述第一目标数据集合为所述设备中管路对应的温度值集合;
所述确定模块具体用于:
针对所述第二目标数据集合中的任一相邻的两个第二目标数据,确定两个所述第二目标数据之间的差值,得到所述第二目标数据集合对应的第二差值集合;
将所述第二差值集合输入至第二检测模型,以根据所述第二检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述确定模块具体用于:
在所述目标检测模型的输出结果为第一值时,确定所述管路的连接正确;
在所述目标检测模型的输出结果为第二值时,确定所述管路的连接错误。
在一个可能的实施方式中,所述装置还包括:
报警模块,用于在确定所述管路的连接错误之后,通过展示界面对所述管路的连接错误信息进行报警;
校正模块,用于接收针对所述报警输入的触发操作,以根据所述触发操作对显示的连接错误的管道进行校正。
第三方面、本发明实施例提供一种电子设备,包括:处理器和存储器,所述处理器用于执行所述存储器中存储的设备中管路连接的检测程序,以实现第一方面中任一项所述的设备中管路连接的检测方法。
第四方面、本发明实施例提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现第一方面中任一项所述的设备中管路连接的检测方法。
本发明实施例提供的技术方案,通过获取待检测的设备的当前工作模式,并针对设备的类型,调用与当前工作模式对应的目标检测模型,在设备处于当前工作模式时,获取预设时间段内设备中管路对应的目标数据集合,并将目标数据集合输入至目标检测模型中,以根据上述目标检测模型的输出结果确定上述管路的连接是否正确。在这一过程中,当外界环境变化时,目标检测模型的输出结果不受外界环境的影响,且不涉及现有技术中应用的电子膨胀阀开度和当前工况,实现了设备中管路对接的准确识别,提升检测速度,且在对设备中管路对接检测时不受外界温度变化的影响。
附图说明
图1为本发明实施例提供的一种设备中管路连接的检测方法的实施例流程图;
图2为本发明实施例提供的一种构建第一检测模型的实施例流程图;
图3为本发明实施例提供的一种构建第二检测模型的实施例流程图;
图4为本发明实施例提供的一种设备中管路连接的检测方法中采集模式的流程图;
图5为本发明实施例提供的一种设备中管路连接的检测方法中检测模式的流程图;
图6为本发明实施例提供的一种设备中管路连接的检测装置的实施例框图;
图7为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图以具体实施例对本发明提供的设备中管路连接的检测方法做进一步的解释说明,实施例并不构成对本发明实施例的限定。
参见图1,为本发明实施例提供的一种设备中管路连接的检测方法的实施例流程图。如图1所示,该流程可包括以下步骤:
步骤101、获取待检测的设备的当前工作模式。
步骤102、针对设备的类型,调用与当前工作模式对应的目标检测模型。
以下对步骤101和步骤102进行统一说明:
上述待检测的设备可以是空调、冰箱、洗衣机等设备,上述空调可以是商用空调。
在一实施例中,上述待检测的设备的当前工作模式可以为定频工作模式(也即,第一工作模式,以下称为定频工作模式)和变频工作模式(也即,第二工作模式,以下称为变频工作模式),在本发明实施例中针对待检测的设备的不同当前工作模式可构建不同的检测模型,例如,若待检测设备的当前工作模式为定频工作模式,可构建第一检测模型;若待检测设备的当前工作模式为变频工作模式,可构建第二检测模型。
可选的,在待检测的设备处于定频工作模式时,可通过如图2所示的步骤构建第一检测模型,如图2所示,为本发明实施例提供的一种构建第一检测模型的实施例流程图。该流程可包括以下步骤:
步骤201、针对设备的类型,获取设备在第一预设历史时间段内设备中管路对应的第一目标历史数据集合,该第一目标历史数据集合为设备中管路对应的历史温度值集合。
在实际生活中,根据设备的当前工作模式,可获取不同的历史时间段内的历史数据集合进行建模,例如,定频商用机检测时间最少为300s,中期经过建模测试,检测程序运行时间小于30s,考虑到提速增效因素,定频商用机出结果时间可小于240s,因此,定频商用机采集数据长度可为200s数据。
基于此,上述第一预设历史时间段可为商用机在每次历史运行时间段内的前200s,上述第一目标历史数据集合可为上述第一预设历史时间段内各种阀门感温包数据,例如:高压阀感温包、低压阀感温包、气分出口感温包等。
步骤202、针对第一目标历史数据集合中的任一相邻的两个第一目标历史数据,确定两个第一目标历史数据之间的目标差值,得到第一目标历史数据集合对应的第一目标差值集合。
上述第一目标历史数据集合中任一相邻的两个第一目标历史数据可为任一相邻的两个管路的数据,将两个第一目标历史数据作差,确定目标差值,该目标差值对应两个管路之间的温度差值。通过该计算可得到差值矩阵,也即,第一目标历史数据集合对应的第一目标差值集合。
步骤203、针对第一目标差值集合中的任一第一目标差值,确定第一目标差值对应的标签,得到第一目标差值集合对应的标签集合,上述标签用于表征第一目标差值对应的两个管路连接是否正确。
步骤204、利用上述第一目标差值集合和上述标签集合对初始卷积神经网络模型进行训练,得到第一检测模型。
以下对步骤203和步骤204进行统一说明:
在一实施例中,上述第一目标差值集合中的任一第一目标差值可对应相邻两个管路的温度差值,根据该温度差值可确定两个管路的对接是否正确。例如,当该温度差值在预设范围内,则可确定两个管路的对接正确;当该温度差值超出预设范围内,则可确定两个管路的对接错误。
可选的,上述第一目标差值可对应相应的标签,例如,该标签若为0,则确定该管路连接正确,该标签若为1,则确定该管路连接错误。由此,可得到上述第一目标差值集合对应的标签集合。
之后,可利用上述第一目标差值集合和上述标签集合对初始卷积神经网络模型进行训练,得到第一检测模型。
可选的,在待检测的设备处于变频工作模式时,可通过如图3所示的步骤构建第二检测模型,如图3所示,为本发明实施例提供的一种构建第二检测模型的实施例流程图。该流程可包括以下步骤:
步骤301、针对设备的类型,获取设备在第二预设历史时间段内设备中管路对应的第二目标历史数据集合,该第二目标历史数据集合为设备中管路对应的历史温度值集合。
在实际生活中,根据设备的当前工作模式,可获取不同的历史时间段内的历史数据集合进行建模,例如,变频商用机检测时间最少为450s,中期经过建模测试,检测程序运行时间小于30s,考虑到提速增效因素,变频商用机出结果时间可小于390s,因此,变频商用机采集数据长度可为350s数据。
基于此,上述第二预设历史时间段可为商用机在每次历史运行时间段内的前350s,上述第二目标历史数据集合可为上述第二预设历史时间段内各种阀门感温包数据,例如:高压阀感温包、低压阀感温包、气分出口感温包等。
步骤302、针对第二目标历史数据集合中的任一相邻的两个第二目标历史数据,确定两个第二目标历史数据之间的目标差值,得到第二目标历史数据集合对应的第二目标差值集合。
上述第二目标历史数据集合中任一相邻的两个第二目标历史数据可为任一相邻的两个管路的数据,将两个第二目标历史数据作差,确定目标差值,该目标差值对应两个管路之间的温度差值。通过该计算可得到差值矩阵,也即,第二目标历史数据集合对应的第二目标差值集合。
步骤303、针对第二目标差值集合中的任一第二目标差值,确定第二目标差值对应的标签,得到第二目标差值集合对应的标签集合,上述标签用于表征第二目标差值对应的两个管路连接是否正确。
步骤304、利用上述第二目标差值集合和上述标签集合对初始卷积神经网络模型进行训练,得到第二检测模型。
以下对步骤303和步骤304进行统一说明:
在一实施例中,上述第二目标差值集合中的任一第二目标差值可对应相邻两个管路的温度差值,根据该温度差值可确定两个管路的对接是否正确。例如,当该温度差值在预设范围内,则可确定两个管路的对接正确;当该温度差值超出预设范围内,则可确定两个管路的对接错误。
可选的,上述第二目标差值可对应相应的标签,例如,该标签若为第一值(例如:0),则确定该管路连接正确,该标签若为第二值(例如:1),则确定该管路连接错误。由此,可得到上述第二目标差值集合对应的标签集合。
之后,可利用上述第二目标差值集合和上述标签集合对初始卷积神经网络模型进行训练,得到第二检测模型。
基于此,针对设备的类型,可调用与设备当前工作模式对应的目标检测模型:若设备的当前工作模式为定频工作模式,则调用第一检测模型;若设备的当前工作模式为变频工作模式,则调用第二检测模型。
步骤103、在设备处于当前工作模式时,获取预设时间段内设备中管路对应的目标数据集合。
在一实施例中,针对设备不同的当前工作模式,可选取相应的预设时间段内设备中管路对应的目标数据集合。
可选的,当设备处于第一工作模式(也即,定频工作模式)时,可获取第一预设时间段内设备中管路对应的第一目标数据集合,该第一目标数据集合为设备中管路对应的温度值集合,由步骤201的介绍可知,该第一预设时间段可为设备运行时间段的前200s,上述第一目标数据集合可为设备运行时间段前200s运行的数据集合。
可选的,当设备处于第二工作模式(也即,变频工作模式)时,可获取第二预设时间段内设备中管路对应的第二目标数据集合,该第二目标数据集合为设备中管路对应的温度值集合,由步骤301的介绍可知,该第二预设时间段可为设备运行时间段的前350s,上述第二目标数据集合可为设备运行时间段前350s运行的数据集合。
步骤104、将目标数据集合输入至目标检测模型中,以根据目标检测模型的输出结果确定管路的连接是否正确。
由步骤103的介绍可知,当设备的当前工作模式为定频工作模式时,上述目标数据集合为第一目标数据集合,上述目标检测模型为第一检测模型;当设备的当前工作模式为变频工作模式时,上述目标数据集合为第二目标数据集合,上述目标检测模型为第二检测模型。
可选的,当上述目标数据集合为第一目标数据集合,上述目标检测模型为第一检测模型时,针对第一目标数据集合中任一相邻的两个第一目标数据,确定两个第一目标数据之间的差值,可得到第一目标数据集合对应的第一差值集合,并将上述第一差值集合输入至第一检测模型,可根据第一检测模型的输出结果确定管路的连接是否正确。
可选的,当上述目标数据集合为第二目标数据集合,上述目标检测模型为第二检测模型时,针对第二目标数据集合中任一相邻的两个第二目标数据,确定两个第二目标数据之间的差值,可得到第二目标数据集合对应的第二差值集合,并将上述第二差值集合输入至第二检测模型,可根据第二检测模型的输出结果确定管路的连接是否正确。
之后,在一实施例中,上述目标检测模型的输出结果可为第一值或者第二值,当输出结果为第一值时(例如:0),可确定上述管路的连接正确;当输出结果为第二值时(例如:1),可确定上述管路的连接错误。
可选的,在确定上述管路的连接错误之后,可通过展示界面对管路的连接错误信息进行报警,在接收到针对上述报警输出的触发操作后,根据触发操作对显示的连接错误的管道进行校正。上述触发操作可为刷脸认证、点击确定按钮等操作,例如,在接收到报警时,巡检人员对显示的连接错误的管道进行检查,在检查无异常后,通过刷脸确认该管道连接正确;或者,有权限的人员在确定上述管路连接正确后,远程操作确定该管路的连接正确。
本发明实施例中,通过获取待检测的设备的当前工作模式,并针对设备的类型,调用与当前工作模式对应的目标检测模型,在设备处于当前工作模式时,获取预设时间段内设备中管路对应的目标数据集合,并将目标数据集合输入至目标检测模型中,以根据上述目标检测模型的输出结果确定上述管路的连接是否正确。在这一过程中,当外界环境变化时,目标检测模型的输出结果不受外界环境的影响,且不涉及现有技术中应用的电子膨胀阀开度和当前工况,实现了设备中管路对接的准确识别,提升检测速度,且在对设备中管路对接检测时不受外界温度变化的影响。
为进一步了解本发明实施例提供的设备中管路连接的检测方法,以下将该设备中管路连接的检测方法分为采集模式和检测模式进行说明:
首先,对该设备中管路连接的检测方法的采集模式进行说明。
参见图4,为本发明实施例提供的一种设备中管路连接的检测方法中采集模式的流程图。如图4所示,该流程包括以下步骤:
在该采集模式下,可先获取商检设备的相关数据,通过该数据可确定该商检设备的当前工作模式是否为变频工作模式。
若该商检设备不为变频工作模式,也即定频工作模式,该定频模式下检测时间大于等于300s,则可采集该商检设备历史运行时间中若干组200s数据,并根据该数据构建定频机检测模型,也即第一检测模型,具体建立过程已在图2中进行介绍,此处不再赘述。
若该商检设备为变频工作模式,该变频模式下检测时间大于等于450s,则可采集该商检设备历史运行时间中若干组350s数据,并根据该数据建立变频机检测模型,也即第二检测模型,具体建立过程已在图3中进行介绍,此处不再赘述。
参见图5,为本发明实施例提供的一种设备中管路连接的检测方法中检测模式的流程图。如图5所示,该流程包括以下步骤:
在该检测模式下,可先获取商检设备的相关数据,通过该数据可确定该商检设备的当前工作模式是否为变频工作模式。
若该商检设备不为变频工作模式,也即定频工作模式,该定频模式下检测时间大于等于300s,则可采集该商检设备运行时间中若干组200s数据,并调用定频机模型,也即第一检测模型,将该数据输入第一检测模型,根据该第一检测模型的输出结果可确定设备中管路的连接是否正确。
若该商检设备为变频工作模式,该变频模式下检测时间大于等于450s,则可采集该商检设备运行时间中若干组350s数据,并调用变频机模型,也即第二检测模型,将该数据输入第二检测模型,根据该第二检测模型的输出结果可确定设备中管路的连接是否正确。
若确定上述设备中管路的连接错误,则进行异常报警,进一步地,在工作人员收到异常报警后,可通过巡检人员进行进一步确认,巡检排查后通过刷脸进行巡检结果确认,或者通过有权限人员进行远程操作,进一步对管理的连接顺序进行确认。
此外,上述检测程序和模型可封装到商用空调产线商检主机中,通过可执行文件进行使用,打开检测程序后,检测程序与商检系统进行通信,实时获取商检系统采集的数据,根据扫码得到的机型信息调用对应的模型,并且将采集的温度数据进行相应差值后输入模型进行判断,最后将判断结果上传到商检系统,并在界面显示。
本发明实施例中,通过在采集模式下构建定频机模型和变频机模型,并在检测模型下,根据设备的当前工作模式,获取当前工作模式对应的目标数据集合,并将该目标数据集合输入当前工作模式对应的检测模型中,根据输出结果确定设备中管路的连接是否正确。在这一过程中,当外界环境变化时,目标检测模型的输出结果不受外界环境的影响,且不涉及现有技术中应用的电子膨胀阀开度和当前工况,实现了设备中管路对接的准确识别,提升检测速度,且在对设备中管路对接检测时不受外界温度变化的影响。
参见图6,为本发明实施例提供的一种设备中管路连接的检测装置的实施例框图。如图6所示,该装置包括:
第一获取模块61,用于获取待检测的设备的当前工作模式;
调用模块62,用于针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
第二获取模块63,用于在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
确定模块64,用于将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述装置还包括(图中未示出):
第一历史数据获取模块,用于在所述获取待检测的设备的当前工作模式之前,在所述设备处于第一工作模式下时,针对所述设备的类型,获取设备在第一预设历史时间段内所述设备中管路对应的第一目标历史数据集合,所述第一目标历史数据集合为所述设备中管路对应的历史温度值集合;
第一模型构建模块,用于利用所述第一目标历史数据集合构建第一检测模型。
在一个可能的实施方式中,所述第一模型构建模块具体用于:
针对所述第一目标历史数据集合中的任一相邻的两个第一目标历史数据,确定两个所述第一目标历史数据之间的目标差值,得到所述第一目标历史数据集合对应的第一目标差值集合;
针对所述第一目标差值集合中的任一所述第一目标差值,确定所述第一目标差值对应的标签,得到所述第一目标差值集合对应的标签集合,所述标签用于表征所述第一目标差值对应的两个管路连接是否正确;
利用所述第一目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第一检测模型。
在一个可能的实施方式中,所述装置还包括(图中未示出):
第二历史数据获取模块,用于在所述获取待检测的设备的当前工作模式之前,在所述设备处于第二工作模式下时,针对所述设备的类型,获取设备在第二预设历史时间段内所述设备中管路对应的第二目标历史数据集合,所述第二目标历史数据集合为所述设备中管路对应的历史温度值集合;
第二模型构建模块,用于利用所述第二目标历史数据集合构建第二检测模型。
在一个可能的实施方式中,所述第二模型构建模块具体用于:
针对所述第二目标历史数据集合中的任一相邻的两个第二目标历史数据,确定两个所述第二目标历史数据之间的目标差值,得到所述第二目标历史数据集合对应的第二目标差值集合;
针对所述第二目标差值集合中的任一所述第二目标差值,确定所述第二目标差值对应的标签,得到所述第二目标差值集合对应的标签集合,所述标签用于表征所述第二目标差值对应的两个管路连接是否正确;
利用所述第二目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第二检测模型。
在一个可能的实施方式中,所述第二获取模块63具体用于:
在所述设备处于第一工作模式时,获取第一预设时间段内所述设备中管路对应的第一目标数据集合,所述第一目标数据集合为所述设备中管路对应的温度值集合;
所述确定模块64具体用于:
针对所述第一目标数据集合中的任一相邻的两个第一目标数据,确定两个所述第一目标数据之间的差值,得到所述第一目标数据集合对应的第一差值集合;
将所述第一差值集合输入至第一检测模型,以根据所述第一检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述第二获取模块63具体用于:
在所述设备处于第二工作模式时,获取第二预设时间段内所述设备中管路对应的第二目标数据集合,所述第一目标数据集合为所述设备中管路对应的温度值集合;
所述确定模块64具体用于:
针对所述第二目标数据集合中的任一相邻的两个第二目标数据,确定两个所述第二目标数据之间的差值,得到所述第二目标数据集合对应的第二差值集合;
将所述第二差值集合输入至第二检测模型,以根据所述第二检测模型的输出结果确定所述管路的连接是否正确。
在一个可能的实施方式中,所述确定模块64具体用于:
在所述目标检测模型的输出结果为第一值时,确定所述管路的连接正确;
在所述目标检测模型的输出结果为第二值时,确定所述管路的连接错误。
在一个可能的实施方式中,所述装置还包括(图中未示出):
报警模块,用于在确定所述管路的连接错误之后,通过展示界面对所述管路的连接错误信息进行报警;
校正模块,用于接收针对所述报警输入的触发操作,以根据所述触发操作对显示的连接错误的管道进行校正。
图7为本发明实施例提供的一种电子设备的结构示意图,图7所示的电子设备700包括:至少一个处理器701、存储器702、至少一个网络接口704和其他用户接口703。电子设备700中的各个组件通过总线系统705耦合在一起。可理解,总线系统705用于实现这些组件之间的连接通信。总线系统705除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图7中将各种总线都标为总线系统705。
其中,用户接口703可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
可以理解,本发明实施例中的存储器702可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(ProgrammableROM,PROM)、可擦除可编程只读存储器(ErasablePROM,EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(StaticRAM,SRAM)、动态随机存取存储器(DynamicRAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM,DRRAM)。本文描述的存储器702旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器702存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统7021和应用程序7022。
其中,操作系统7021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序7022,包含各种应用程序,例如媒体播放器(MediaPlayer)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序7022中。
在本发明实施例中,通过调用存储器702存储的程序或指令,具体的,可以是应用程序7022中存储的程序或指令,处理器701用于执行各方法实施例所提供的方法步骤,例如包括:
获取待检测的设备的当前工作模式;
针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
上述本发明实施例揭示的方法可以应用于处理器701中,或者由处理器701实现。处理器701可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit,ASIC)、现成可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器702,处理器701读取存储器702中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits,ASIC)、数字信号处理器(DigitalSignalProcessing,DSP)、数字信号处理设备(DSPDevice,DSPD)、可编程逻辑设备(ProgrammableLogicDevice,PLD)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是如图7中所示的电子设备,可执行如图1中设备中管路连接的检测方法的所有步骤,进而实现图1所示设备中管路连接的检测方法的技术效果,具体请参照图1相关描述,为简洁描述,在此不作赘述。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中,存储介质可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘;存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行,以实现上述在电子设备侧执行的设备中管路连接的检测方法。
所述处理器用于执行存储器中存储的设备中管路连接的检测程序,以实现以下在电子设备侧执行的设备中管路连接的检测方法的步骤:
获取待检测的设备的当前工作模式;
针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种设备中管路连接的检测方法,其特征在于,包括:
获取待检测的设备的当前工作模式;
针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
2.根据权利要求1所述的方法,其特征在于,在所述获取待检测的设备的当前工作模式之前,所述方法还包括:
在所述设备处于第一工作模式下时,针对所述设备的类型,获取设备在第一预设历史时间段内所述设备中管路对应的第一目标历史数据集合,所述第一目标历史数据集合为所述设备中管路对应的历史温度值集合;
利用所述第一目标历史数据集合构建第一检测模型。
3.根据权利要求2所述的方法,其特征在于,所述利用所述第一目标历史数据集合构建第一检测模型,包括:
针对所述第一目标历史数据集合中的任一相邻的两个第一目标历史数据,确定两个所述第一目标历史数据之间的目标差值,得到所述第一目标历史数据集合对应的第一目标差值集合;
针对所述第一目标差值集合中的任一所述第一目标差值,确定所述第一目标差值对应的标签,得到所述第一目标差值集合对应的标签集合,所述标签用于表征所述第一目标差值对应的两个管路连接是否正确;
利用所述第一目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第一检测模型。
4.根据权利要求1所述的方法,其特征在于,在所述获取待检测的设备的当前工作模式之前,所述方法还包括:
在所述设备处于第二工作模式下时,针对所述设备的类型,获取设备在第二预设历史时间段内所述设备中管路对应的第二目标历史数据集合,所述第二目标历史数据集合为所述设备中管路对应的历史温度值集合;
利用所述第二目标历史数据集合构建第二检测模型。
5.根据权利要求4所述的方法,其特征在于,所述利用所述第二目标历史数据集合构建第二检测模型,包括:
针对所述第二目标历史数据集合中的任一相邻的两个第二目标历史数据,确定两个所述第二目标历史数据之间的目标差值,得到所述第二目标历史数据集合对应的第二目标差值集合;
针对所述第二目标差值集合中的任一所述第二目标差值,确定所述第二目标差值对应的标签,得到所述第二目标差值集合对应的标签集合,所述标签用于表征所述第二目标差值对应的两个管路连接是否正确;
利用所述第二目标差值集合和所述标签集合对初始卷积神经网络模型进行训练,得到第二检测模型。
6.根据权利要求2所述的方法,其特征在于,所述在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合,包括:
在所述设备处于第一工作模式时,获取第一预设时间段内所述设备中管路对应的第一目标数据集合,所述第一目标数据集合为所述设备中管路对应的温度值集合;
所述将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确,包括:
针对所述第一目标数据集合中的任一相邻的两个第一目标数据,确定两个所述第一目标数据之间的差值,得到所述第一目标数据集合对应的第一差值集合;
将所述第一差值集合输入至第一检测模型,以根据所述第一检测模型的输出结果确定所述管路的连接是否正确。
7.根据权利要求4所述的方法,其特征在于,所述在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合,包括:
在所述设备处于第二工作模式时,获取第二预设时间段内所述设备中管路对应的第二目标数据集合,所述第二目标数据集合为所述设备中管路对应的温度值集合;
所述将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确,包括:
针对所述第二目标数据集合中的任一相邻的两个第二目标数据,确定两个所述第二目标数据之间的差值,得到所述第二目标数据集合对应的第二差值集合;
将所述第二差值集合输入至第二检测模型,以根据所述第二检测模型的输出结果确定所述管路的连接是否正确。
8.根据权利要求1所述的方法,其特征在于,所述根据目标检测模型的输出结果确定所述管路的连接是否正确,包括:
在所述目标检测模型的输出结果为第一值时,确定所述管路的连接正确;
在所述目标检测模型的输出结果为第二值时,确定所述管路的连接错误。
9.根据权利要求8所述的方法,其特征在于,在确定所述管路的连接错误之后,所述方法还包括:
通过展示界面对所述管路的连接错误信息进行报警;
接收针对所述报警输入的触发操作,以根据所述触发操作对显示的连接错误的管道进行校正。
10.一种设备中管路连接的检测装置,其特征在于,包括:
第一获取模块,用于获取待检测的设备的当前工作模式;
调用模块,用于针对所述设备的类型,调用与所述当前工作模式对应的目标检测模型;
第二获取模块,用于在所述设备处于所述当前工作模式时,获取预设时间段内所述设备中管路对应的目标数据集合;
确定模块,用于将所述目标数据集合输入至所述目标检测模型中,以根据所述目标检测模型的输出结果确定所述管路的连接是否正确。
11.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器用于执行所述存储器中存储的设备中管路连接的检测程序,以实现权利要求1~9中任一项所述的设备中管路连接的检测方法。
12.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1~9中任一项所述的设备中管路连接的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210266973.4A CN114720014B (zh) | 2022-03-17 | 2022-03-17 | 设备中管路连接的检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210266973.4A CN114720014B (zh) | 2022-03-17 | 2022-03-17 | 设备中管路连接的检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114720014A true CN114720014A (zh) | 2022-07-08 |
CN114720014B CN114720014B (zh) | 2023-06-20 |
Family
ID=82237982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210266973.4A Active CN114720014B (zh) | 2022-03-17 | 2022-03-17 | 设备中管路连接的检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114720014B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109739902A (zh) * | 2018-12-29 | 2019-05-10 | 联想(北京)有限公司 | 一种数据分析方法、设备及计算机可读存储介质 |
CN110113226A (zh) * | 2019-04-16 | 2019-08-09 | 新华三信息安全技术有限公司 | 一种检测设备异常的方法及装置 |
CN110160210A (zh) * | 2019-05-15 | 2019-08-23 | 北京上格云技术有限公司 | 风机盘管的故障检测方法、装置、存储介质和电子设备 |
CN111425989A (zh) * | 2020-04-15 | 2020-07-17 | 宁波奥克斯电气股份有限公司 | 管路连接异常检测方法、装置及多联机空调器 |
CN111563111A (zh) * | 2020-05-12 | 2020-08-21 | 北京思特奇信息技术股份有限公司 | 告警方法、装置、电子设备及存储介质 |
US20210203683A1 (en) * | 2019-12-30 | 2021-07-01 | Hangzhou Dptech Technologies Co., Ltd. | Abnormality detection |
-
2022
- 2022-03-17 CN CN202210266973.4A patent/CN114720014B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109739902A (zh) * | 2018-12-29 | 2019-05-10 | 联想(北京)有限公司 | 一种数据分析方法、设备及计算机可读存储介质 |
CN110113226A (zh) * | 2019-04-16 | 2019-08-09 | 新华三信息安全技术有限公司 | 一种检测设备异常的方法及装置 |
CN110160210A (zh) * | 2019-05-15 | 2019-08-23 | 北京上格云技术有限公司 | 风机盘管的故障检测方法、装置、存储介质和电子设备 |
US20210203683A1 (en) * | 2019-12-30 | 2021-07-01 | Hangzhou Dptech Technologies Co., Ltd. | Abnormality detection |
CN111425989A (zh) * | 2020-04-15 | 2020-07-17 | 宁波奥克斯电气股份有限公司 | 管路连接异常检测方法、装置及多联机空调器 |
CN111563111A (zh) * | 2020-05-12 | 2020-08-21 | 北京思特奇信息技术股份有限公司 | 告警方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114720014B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10768188B2 (en) | Diagnostic device and method for monitoring operation of a technical system | |
EP1359426A2 (en) | Electronic device testing | |
US20200143292A1 (en) | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset | |
CN111104736B (zh) | 基于时间序列的异常数据检测方法、装置、介质和设备 | |
EP3002651B1 (en) | Monitoring means and monitoring method for monitoring at least one step of a process run on an industrial site | |
US20210216609A1 (en) | Degradation detection system | |
CN110659201A (zh) | 一种安全技术防范工程智能测试分析系统 | |
CN111400850A (zh) | 设备故障分析方法、装置、设备和存储介质 | |
CN102231127A (zh) | Bios错误信息显示的检测系统及检测方法 | |
US20210080924A1 (en) | Diagnosis Method and Diagnosis System for a Processing Engineering Plant and Training Method | |
CN111651358B (zh) | 生成测试用例的方法、软件测试方法、装置和服务器 | |
CN114720014A (zh) | 设备中管路连接的检测方法、装置、电子设备及存储介质 | |
CN109254898B (zh) | 一种软件模块执行顺序监视方法及监视系统 | |
JP2007293553A (ja) | フィールド機器診断システムおよびフィールド機器診断方法 | |
CN110780198A (zh) | 一种伺服焊接系统运动的波形识别方法及设备 | |
CN115827353A (zh) | 故障诊断方法及装置 | |
CN111679298B (zh) | 导航系统的完好性监测方法、完好性监测装置及电子设备 | |
CN104572470A (zh) | 一种基于蜕变关系的整数溢出故障检测方法 | |
CN111291239B (zh) | 机组测试方法、装置、设备和存储介质 | |
CN114198863A (zh) | 机房空调的故障检测方法、装置、计算机设备、存储介质 | |
US11194685B2 (en) | Recording medium for verifying correlation between test signal and test result signal, verification apparatus and verification method | |
CN110297455B (zh) | 可编程逻辑控制器及其自检和恢复方法 | |
JP7026012B2 (ja) | 機器状態監視システム及び機器状態監視方法 | |
CN115308517B (zh) | 一种元器件的老化检测方法、系统、存储介质和设备 | |
CN114964467B (zh) | 设备检测方法、装置、声音采集设备及存储介质 |
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 |