CN114729959A - 用于电动工具的远程诊断设备、系统和方法 - Google Patents

Abstract

一种用于电动工具(1,2,3)的远程诊断设备(30)，其包括：获取单元(31)，配置成远程地获取表征所述电动工具(1,2,3)的工作状态的状态参数，所述状态参数由安装于所述电动工具(1,2,3)的传感器(10,12,14)捕捉并且包含表示所述电动工具的工作状态随时间演变的第一时间序列；处理单元(32)，配置成处理所述状态参数以生成表示对所述电动工具(1,2,3)的使用状态的预测的预测数据，所述预测数据包含表示所述电动工具的使用状态随时间演变的第二时间序列；以及诊断单元(33)，配置成分析所述预测数据以生成指示所述电动工具的使用状态的诊断结果。

Description

用于电动工具的远程诊断设备、系统和方法

技术领域

本申请涉及对电动工具进行远程诊断的技术领域，尤其涉及一种用于远程诊断电动工具的系统、设备和方法。

背景技术

电动工具作为一种将电能转化为机械能的设备，被极其广泛地应用于生产和生活的各个方面。在电动工具的使用过程中，如果能够对其进行监控以获得电动工具的使用状况是有利的。

在现有技术的一种技术方案中，在电动工具的电源线与电动工具所插入的插座之间附接检测装置，用于检测来自电动工具的电源线的电流或电压。这样，电动工具的管理者可以根据检测到的电流或电压来确定电动工具是否出现故障。

但是，上述现有方案仅能简单地确定电动工具是否出现故障，无法获知电动工具使用情况的其他方面。而且，上述现有方案在使用电动工具的诸多场景下不便于采用。例如，在工地上使用电动工具的场景下，往往是电动工具出现了冒烟或异常噪音或异常振动之类的情况时，电动工具的使用者才会发现电动工具可能出现了故障，而电动工具的管理者无法及时知晓该故障情况。

因此，需要一种改进的技术方案来解决现有技术中的上述问题。

发明内容

鉴于现有技术中的上述问题，本申请旨在提供一种对电动工具进行远程诊断的技术方案，其能够在电动工具工作过程中对电动工具进行远程地实时诊断，以获得表示电动工具的使用情况的诊断结果。

根据本申请的一个方面，提供了一种用于电动工具的远程诊断设备，其包括：获取单元，配置成远程地获取表征所述电动工具的工作状态的状态参数，所述状态参数由安装于所述电动工具的传感器捕捉并且包含表示所述电动工具的工作状态随时间演变的第一时间序列；处理单元，配置成处理所述状态参数以生成表示对所述电动工具的使用状态的预测的预测数据，所述预测数据包含表示所述电动工具的使用状态随时间演变的第二时间序列；以及诊断单元，配置成分析所述预测数据以生成对所述电动工具的使用状态的诊断结果。

根据本申请的另一个方面，提供了一种用于电动工具的远程诊断系统，其包括：安装于所述电动工具的传感器，用于捕捉表征所述电动工具的工作状态的状态参数；如上所述的远程诊断设备，与所述传感器远程无线通信连接，包括获取单元、处理单元和诊断单元，所述获取单元配置成从所述传感器接收所述状态参数，所述处理单元配置成基于所述状态参数生成预测参数，所述诊断单元配置成基于所述预测参数生成对所述电工工具的诊断结果；以及人机界面，与所述远程诊断设备通信连接，用于呈现所述诊断结果。

根据本申请的再个方面，提供了一种用于电动工具的远程诊断方法，其可以借助上述远程诊断设备和/或远程诊断系统来实施，所述远程诊断方法包括：远程地获取表征所述电动工具的工作状态的状态参数，所述状态参数由安装于所述电动工具的传感器捕捉并且包含表示所述电动工具的工作状态随时间演变的第一时间序列；处理所述状态参数以生成表示对所述电动工具的使用状态的预测的预测数据，所述预测数据包含表示所述电动工具的使用状态随时间演变的第二时间序列；以及分析所述预测数据以生成对所述电动工具的使用状态的诊断结果。

根据本申请实施例的技术方案，电动工具能够被实时监控，并且对电动工具的诊断能够由相对于该电动工具远程设置的诊断设备来实现。可以基于由电动工具的传感器捕捉的参数获得该诊断结果，该诊断结果可以包含表示电动工具的使用状态的信息，例如，电动工具的负载和总工作时长，碳刷状态，以及操作该电动工具的操作方式。诊断结果可以呈现给电动工具的使用者或管理者或管理组织。根据本申请的实施例，可以采用IoT(Internet of Things)技术和AI(Artificial Intelligence)技术，其可以提升诊断的准确性和效率，且可以降低用于该诊断的人力成本和设备成本。

附图说明

图1是根据本申请的一实施方式的用于电动工具的远程诊断系统的示意性框图。

图2是根据本申请的另一实施方式的用于电动工具的远程诊断系统的示意性框图。

图3是图1或图2中的远程诊断系统的远程诊断设备的示意性框图。

图4是图1或图2中的远程诊断系统的人机界面的示意性框图。

图5根据本申请的一实施方式的用于电动工具的远程诊断方法的流程图。

具体实施方式

本申请的实施例涉及远程地诊断电动工具的使用情况。根据本申请实施例的技术方案，基于由电动工具的传感器捕捉到的表征电动工具的工作状态的状态参数来获得对电动工具的诊断结果，其能够表示电动工具的使用状况的一些方面。

在本申请中，对于被诊断的电动工具的种类和数量都不进行限定。例如，可以诊断位于工厂中的一把电动工具，也可以诊断位于工地中的多把电动工具。例如，电动工具可以是角磨机、手电钻和曲线锯中的一种。可以对同一种类的多把电动工具进行诊断，也可以对包含多种类型的多把电动工具进行诊断。

在本申请中，表征电动工具的工作状态的状态参数可以包含如下参数：电动工具在工作过程中产生的噪声、振动、烟雾浓度(例如，特定气体类型的烟雾浓雾)；电动工具的部件(例如，特定的部件)在工作过程中的温度等等。可以理解，在本申请中，表征电动工具的工作状态的状态参数是适于体现电动工具的工作状态的参数，不限定于具体某种或某些特定参数类型。

在本申请中，电动工具的使用情况可以包含：电动工具是否正常地运行(例如，电动工具是否出现故障)；电动工具的工作负荷(例如，电动工具的工作负荷等级)；电动工具是否被正确地使用(例如，电动工具的操作者是否正确地操作该电动工具，由此可见反映电动工具的操作者是熟练操作人员还是新手)等等。可以理解，在本申请中，电动工具的使用情况不限于某种或某些特定使用情况。

在本申请中，对电动工具的使用情况的诊断结果包含对电动工具的使用情况的一个或一些方面的诊断结果。例如，参考上述关于电动工具的使用情况的描述，针对电动工具的工作负荷方面的诊断结果可以包含：工作负荷等级为“高”；工作负荷等级为“中”或工作负荷等级为“低”。

下面，结合附图来详细描述本申请的实施例。

图1示意性示出了根据本申请的一实施方式的远程诊断系统100，用于对电动工具1的使用情况进行诊断。电动工具诊断系统100包括传感器10、远程诊断设备30、数据储存设备40和人机界面50。

传感器10与电动工具1连接，例如，安装在电动工具1中，用于捕捉能够表征电动工具1在工作过程中的状态的状态参数。例如，传感器10可以实现为声学传感器，安装在电动工具1的外壳内的腔体中，用于感测电动工具1产生的噪音，并将该噪音转换为音频信号。传感器10还可以实现为加速度传感器，用于检测电动工具1在一个或多个方向上的加速度，以便表征电动工具的振动状态。

传感器10将捕捉到的状态参数通过无线通信网络传输给远程诊断设备30。远程诊断设备30可以实现于本地的一个计算设备中。远程诊断设备30也可以实现于云端，例如，远程诊断设备30位于云端服务器中。在一实施例中，传感器10通过第一无线通信网络将状态参数传输给网关设备20，然后网关设备20经由第二无线通信网络将状态参数上传至云端，以使得云端的远程诊断设备30接收来自传感器10的感测数据(即，状态参数)。

在一实施例中，第一无线通信网络可以是抗干扰的专用网络(Private network)，例如，Private LoRa通信网络。由此，即便电动工具1处于恶劣的工作环境中(例如，建筑工地)，在从传感器10将电动工具1的状态参数传输给网关设备20的过程中，也能够实现抗干扰还能够对各电动工具的状态参数起到保密的作用。第二无线通信网络例如是英特网之类的公网。

远程诊断设备30对接收到的状态参数进行处理，以生成指示电动工具1的使用状态的诊断结果。远程诊断设备30可以借助于经过学习的机器学习模型来处理状态参数。远程诊断设备30还可以借助于存储在数据储存设备40中的参考数据来来处理状态参数。数据储存设备40和远程诊断设备30可以各自设置于不同的计算设备中。例如，数据储存设备40和远程诊断设备30可以各自设置在不同的云端服务器中，也可以设置在同一云端服务器中。

人机界面50与远程诊断设备30通信连接，以接收并显示诊断结果(关于电动工具的使用情况的信息)。这样，通过人机界面50，电动工具的1的用户或管理者可以获知关于电动工具的使用情况的信息。人机界面50可以设置在人机交互界面装置(未示出)中。该人机交互界面装置可以是包含网页版应用程序(Web APP)的设备，也可以是包含手机应用程序的智能手机。

由此，根据本申请实施例的技术方案，电动工具能够被实时监控，并且电动工具的用户或管理者能够远程地获知电动工具的使用情况，这有利于对电动工具作出管理决策，例如，预判使用寿命或指定维修计划。

以下，具体介绍远程诊断设备30的工作过程和原理。

远程诊断设备30包括获取单元31、处理单元32和诊断单元33。

获取单元31获取来自传感器10的、表征电动工具1在工作过程中的状态的状态参数。状态参数可以包含表示电动工具1的状态随时间变化的信息。例如，状态参数包含第一时间序列x(0)、x(1)……x(t-1)、x(t)，其中，第一时间序列中的每个数据分别表示电动工具1在一相应时刻的状态。例如，x(0)表示电动工具1在初始时刻(即，时刻0)的状态。x(1)表示电动工具1在时刻1时的状态……x(t)表示电动工具1在时刻t时的状态。

处理单元32处理该状态参数以生成表示对电动工具1的使用状态的预测的预测数据。处理单元32可以采用擅长处理具有时间关联性数据的机器学习模型来执行该处理。该机器学习模型例如是经训练的神经网络模型。

在一实施例中，该机器学习模型处理模型输入，即，第一时间序列x(0)、x(1)……x(t-1)、x(t)，以生成模型输入，即，预测数据。该模型输出包含表征电动工具的使用情况的第二时间序列y(0),y(1),…y(y-1),y(t)。该机器学习模型例如是递归式机器学习模型，其逐一处理模型输入中的每个数据，以生成包含与输入的第一时间序列x(0)、x(1)……x(t-1)、x(t)在时间上一一对应的数据的输出序列y(0),y(1),…y(y-1),y(t)，其中，第二时间序列中的每一个数据表示电动工具在一个相应时刻的使用情况。并且，该机器学习模型还可以执行这样处理：使得在输出的第二时间序列中，从第二个数据起的每一个数据都是基于输入的第一时间序列中的在时间上与其对应的数据以及基于输出的第二时间序列中的在其之前的一个数据的。例如，y(1)是基于x(1)和y(0)两者获得的。

由此可见，根据本申请实施例的技术方案，能够基于检测到的电动工具的状态计算出电动工具的使用情况。采用机器学习模型处理时间序列，能够充分挖掘出数据之间的时间依赖关系，从而高效准确地生成表征电动工具的使用情况的第二时间序列。

诊断单元33可以基于存储在数据储存设备40中参考数据来分析预测数据，以生成表示电动工具1的使用情况的多个方面的诊断结果。这些方面可以是针对电动工具的管理者感兴趣的方面而预先设定的。

在一个实例中，数据储存设备40存储了大量参考数据，其包含表示多个电动工具的使用情况的参考数据。例如，参考数据Z(A)是表示类型为A的电动工具在固定时长内的噪音的时间序列，并且该参考数据Z(A)表示工作负荷“高”。诊断单元33向量化第二时间序列以生成预测向量；并且向量化与第二时间序列具有可比性(例如，类型相同)的参考数据以生成参考向量。诊断单元33计算预测向量与参考向量之间的向量距离。在该向量距离小于或等于第一预定阈值时，诊断单元33生成表示电动工具的使用情况与由参考数据表示的参考情况相一致的诊断结果。

第一预定阈值可以根据经验和/或模型计算来预先设定。上述“可比性”可以理解为第二时间序列与参考序列表征的工具状态类型相同，例如，两者都是表示电动工具在相同使用时长内的噪音的时间序列。

由此，根据本申请实施例的技术方案，能够借助大量的参考数据来获得准确的诊断结果，且还能够包容电动工具个体之间的差异性。例如，同一类型两把电动工具，在相同的工作环境和相同工作负荷下，它们的噪音可能会存在微小的差别，通过设定合理的第一预定阈值，能够充分地包容这样的个体差异，从而获得更加鲁棒的诊断结果。

在借助参考数据来获得诊断结果的实现方式中，还可以包括去除无效数据的过程。例如，诊断单元33在该向量距离大于或等于第二预定阈值时，确定为第二时间序列是无效数据。在确定为第二时间序列是无效数据的情况下，诊断单元33可以不生成任何诊断结果。可以删除该无效的数据。导致数据无效的原因可能是远程诊断系统100中出现了异常，例如，传感器1失灵引起的感测故障，无线通信网络的临时故障引起的大幅度失真数据等等。第二预定阈值可以是根据经验和/或模型计算而预先设定的。

由此，根据本申请实施例的技术方案，能够去除无效的数据，从而进一步提高了诊断结果的准确性。

在数据储存设备40中的存储的关于电动工具使用情况的参考数据可能来自电动工具的不同制造商或不同管理者。通常，电动工具的一个用户、制造商或管理平台不希望其他人或组织获取自己的数据，由此数据的提供者(即，电动工具的用户、制造商或管理平台)会对所提供的数据设置访问权限，并以加密的形式实现数据保护。例如，参考数据的提供者对其提供的参考数据进行加密，并且仅对该参考数据具有访问权限的用户才会获得针对该加密的密码。

例如，在电动工具的诊断单元33中预先存储针对该电动工具的参考数据的密码。在获取单元131获取了参考数据之后，诊断单元133用存储的密码的对获取的参考数据进行，如果解密成功，则获取的参考数据对于该电动而言是授权数据，可以用于辅助诊断该电动工具。反之，如果解密失败，则获取的参考数据对于该电动工具而言为非授权数据，无法用于辅助诊断该电动工具。这里，授权数据可以理解为对于被诊断的电动工具而言，具有访问权限的数据。

由此，根据本申请实施例的技术方案，不仅能够广泛适用于电动工具的不同制造商和管理者，而且能够以对于他们各自的数据彼此保密的方式来提供诊断服务。

诊断单元33还可以生成表示诊断结果的、用于在人机界面50上显示的信息，并经由无线和/或有线通信将该信息传输给人机界面50。

另外，在人机界面50上显示诊断结果之后，诊断结果可以临时存储在人机界面50中，也可以作为历史数据存储在数据储存设备40中，供将来使用。例如，得出的诊断结果可以作为机器学习模型再学习的样本数据，也可以在需要时作为历史数据呈现。

为了节省成本以及更灵活地满足客户需求，根据本申请的实施例，还可以改变传感器检测电动工具的状态的频率。以下介绍改变传感器的感测频率的实施例。

在一实施例中，远程诊断系统100基于诊断结果来确定是否需要改变传感器检测状态参数的频率。例如，远程诊断设备30基于诊断结果确定是否需要改变传感器10捕捉状态参数的频率。当确定为需要改变捕捉状态参数的频率时，生成用于改变所述频率的控制信号，并将该控制信号传输给传感器10，以使得传感器10在该控制信号的控制下改变捕捉电动工具1的状态参数的频率。

例如，在该实施例中，当诊断结果显示为电动工具被正确使用，因而无需频繁地获知诊断结果情况下，可以降低传感器捕捉状态参数的频率，从而起到节约成本和环保的作用。

在另一实施例中，远程诊断系统100还具有附加的传感器(未示出)，例如用于感测电动工具10的周围环境的环境传感器。远程诊断系统100可以基于该附加的传感器捕捉的附加参数(例如，环境参数)来确定是否需要改变传感器捕捉状态参数的频率。当确定为需要改变捕捉状态参数的频率时，远程诊断系统100生成表示改变捕捉状态参数的频率的控制信号，并将该控制信号传感给传感器10，以使得传感器10在该控制信号的控制下改变捕捉电动工具10的状态参数的频率。

在该实施例中，附加的传感器例如是环境传感器，当其检测结果显示电动工具10周围的环境发生变化巨大时，远程诊断系统100控制传感器1增加捕捉电动工具的状态参数的频率。

在又一个实施例中，可以基于电动工具1的用户或管理者的需求来确定是否需要改变传感器10捕捉电动工具1的状态参数的频率。例如，远程诊断设备30接收到用户通过人机界面给出的、改变显示诊断结果的频率的指令。远程诊断设备30可以基于该指令生成用于改变传感器10捕捉电动工具1的状态参数的频率的控制信号，并将该控制信号传输给传感器10，以使得传感器10在该控制信号的控制下改变捕捉状态参数的频率。

图2示出了根据本申请的另一实现方式的远程诊断系统200。该实现方式的远程诊断系统200与图1示出的远程诊断系统100不同的是，远程诊断系统200具有多个传感器，例如，传感器1、2、3，分别对应于多个电动工具中的一个，例如，电动工具10、12、14的中的一个。远程诊断设备30获取来自各传感器的状态参数。在该实施方式，传感器发送的状态参数包含电动工具的标识符，以便远程诊断设备30能够基于电动工具的标识符来识别所获取的状态参数是哪一个电动工具的状态参数。

在本实施方式中，关于远程诊断设备30处理状态参数以获得诊断结果的过程与上述实施方式相同，因此上面的相关特征和优点同样适用于此。

在本实施方式中，在人机界面处可以显示为每一个电动工具与其诊断结果相对应的形式。例如，参见图4，可以在人机界面50上显示分别对应于电动工具P1-P3的诊断结果P11-P33。

图5示意性显示了根据本申请的一实施方式的用于电动工具的远程诊断方法500，其可以借助前面描述的远程诊断设备30和/或远程诊断系统100、200来执行。远程诊断方法500包括下面的步骤。

在步骤510中，远程地获取表征所述电动工具的工作状态的状态参数，所述状态参数由安装于所述电动工具的传感器捕捉并且包含表示所述电动工具的工作状态随时间演变的第一时间序列。

在步骤520中，处理所述状态参数以生成表示对所述电动工具的使用状态的预测的预测数据，所述预测数据包含表示所述电动工具的使用状态随时间演变的第二时间序列。

在步骤530中，分析所述预测数据以生成对所述电动工具的使用状态的诊断结果。

应当理解，关于远程诊断设备30或远程诊断系统100、200的操作过程的描述同样适用于此。

虽然前面描述了一些实施方式，这些实施方式仅以示例的方式给出，而不意于限制本申请的范围。所附的权利要求及其等同替换意在涵盖本发明范围和主旨内做出的所有修改、替代和改变。

Claims (15)

1.一种用于电动工具的远程诊断设备，包括：

获取单元，配置成远程地获取表征所述电动工具的工作状态的状态参数，所述状态参数由安装于所述电动工具的传感器捕捉，并且所述状态参数包含表示所述电动工具的工作状态随时间演变的第一时间序列；

处理单元，配置成处理所述状态参数以生成表示对所述电动工具的使用状态的预测的预测数据，所述预测数据包含表示所述电动工具的使用状态随时间演变的第二时间序列；以及

诊断单元，配置成分析所述预测数据以生成指示所述电动工具的使用状态的诊断结果。

2.根据权利要求1所述的远程诊断设备，其中，所述状态参数包含表征多个电动工具的工作状态的状态参数，并且所述状态参数由安装在所述多个电动工具中的传感器分别检测；

所述处理单元配置成处理所述状态参数以生成表示所述多个电动工具的使用状态的预测的预测数据；以及

所述诊断单元配置成分析所述预测数据以生成分别表示所述多个电动工具中的一个电动工具的使用状态的诊断结果。

3.根据权利要求1或2所述的远程诊断设备，其中，所述处理单元配置成借助于机器学习模型来处理所述第一时间序列以生成所述第二时间序列；并且

其中，所述机器学习模型配置成处理所述第一时间序列以使得所述第二时间序列中数据是基于第一时间序列中的与该数据在时间上对应的数据以及第二时间序列中的前一数据而获取的。

4.根据权利要求1-3中任一项所述的远程诊断设备，其中，所述诊断单元配置成通过以下步骤来基于存储于数据存储设备中的参考数据分析所述预测数据：

将所述第二时间序列向量化以获得预测向量；

将所述参考数据向量化以获得参考向量；

计算所述预测向量与所述参考向量之间的向量距离；并且

如果所述向量距离小于或等于第一预定阈值，则生成表示所述电动工具的使用状态与由所述参考数据表示的使用状态相一致的诊断结果。

5.根据权利要求4所述的远程诊断设备，其中，所述诊断单元还配置成：

如所述向量距离大于或等于第二预定阈值，则将所述第二时间序列确定为无效数据；并且

其中，在所述第二时间序列被确定为无效数据的情况下，不生成任何诊断结果。

6.根据权利要求4或5所述的远程诊断设备，其中，所述诊断单元还配置成：

判断所述参考数据是否为相对于所述电动工具的授权数据；并且

其中，在判定为所述参考数据是相对于所述电动工具的授权数据的情况下，采用所述参考数据进行所述分析。

7.根据权利要求1-6中任一项所述的远程诊断设备，其中，所述处理单元还配置成：

根据所述诊断结果来确定是否需要改变所述传感器捕捉所述状态参数的频率；并且

其中，在确定为需要改变所述频率时，生成用于控制传感器改变所述频率的控制信号。

8.根据权利要求1-7中任一项所述的远程诊断设备，其中，所述获取单元还配置成从人机界面获取用于指示改变传感器捕捉所述状态参数的频率的指令；并且

所述处理单元还配置成响应于所述指令生成控制信号以使得所述传感器在所述控制信号的控制下改变所述频率。

9.根据权利要求1-8中任一项所述的远程诊断设备，其中，所述状态参数包括以下一项或多项：

所述电动工具产生的噪音；

所述电动工具产生的振动；和

所述电动工具的部件的温度。

10.根据权利要求1-9中任一项所述的远程诊断设备，其中，所述电动工具的使用状态包括以下一项或多项：

所述电动工具是否正常工作；

所述电动工具是否被正确使用；

所述电动工具的总工作时长；和

所述电动工具的工作负荷情况。

11.一种用于电动工具的远程诊断系统，包括：

安装于所述电动工具的传感器，所述传感器配置成捕捉表征所述电动工具的工作状态的状态参数；

如权利要求1-10中任一项所述的远程诊断设备，所述远程诊断设备的获取单元配置成与所述传感器远程无线通信连接并从所述传感器接收所述状态参数，所述远程诊断设备的处理单元配置成基于所述状态参数生成预测参数，所述远程诊断设备的诊断单元配置成基于所述预测参数生成诊断结果；以及

人机界面，与所述诊断单元通信连接，用于呈现所述诊断结果。

12.根据权利要求11所述的远程诊断系统，其中，所述远程诊断系统还包括环境传感器，用于捕捉表示所述电动工具周围环境的环境参数；

其中，所述控制单元根据所述环境参数确定所述传感器捕捉所述状态参数的频率是否需要改变；并且，在确定为需要改变时，所述控制单元生成用于控制传感器改变所述频率的控制信号。

13.根据权利要求11或12所述的远程诊断系统，远程诊断系统还包括用于存储参考数据的数据储存设备，所述参考数据包含表示所述电动工具的参考使用状态的信息。

14.根据权利要求11-13中任一项所述的远程诊断系统，其中所述远程诊断设备位于云端服务器中，并且

所述传感器借助于第一无线通信网络将所述状态参数发送到网关设备，所述网关设备借助于第二无线通信网络将所述状态参数发送到所述远程诊断设备；

可选地，所述第一无线通信网络是专用网络，并且所述第二无线通信网络是公网。

15.一种用于电动工具的远程诊断方法，可选地，借助如权利要求1-10中任一项所述远程诊断设备和/或如权利要求11-14中任一项所述的远程诊断系统来实施，所述远程诊断方法包括：

远程地获取表征所述电动工具的工作状态的状态参数，所述状态参数由安装于所述电动工具的传感器捕捉，并且所述状态参数包含表示所述电动工具的工作状态随时间演变的第一时间序列；

处理所述状态参数以生成表示对所述电动工具的使用状态的预测的预测数据，所述预测数据包含表示所述电动工具的使用状态随时间演变的第二时间序列；以及

分析所述预测数据以生成指示所述电动工具的使用状态的诊断结果。

Images