CN116817414A - 基于功率和压力关联的空调外机故障检测方法及系统 - Google Patents
基于功率和压力关联的空调外机故障检测方法及系统 Download PDFInfo
- Publication number
- CN116817414A CN116817414A CN202310733973.5A CN202310733973A CN116817414A CN 116817414 A CN116817414 A CN 116817414A CN 202310733973 A CN202310733973 A CN 202310733973A CN 116817414 A CN116817414 A CN 116817414A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- data
- external unit
- real
- power
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 239000013598 vector Substances 0.000 claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 10
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 229910052731 fluorine Inorganic materials 0.000 description 3
- 239000011737 fluorine Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明属于设备性能检测技术领域，公开了一种基于功率和压力关联的空调外机故障检测方法及系统，空调外机故障检测方法包括：对待测空调外机的在线功率数据和压力数据组成的数据对进行归一化处理，以获得关联数据向量；获取关联数据向量的向量距离，基于向量距离获取向量间的近似度，基于近似度获取空调外机的实时状态评估值；将实时状态评估值与预设阈值进行比对，判断待测空调外机运行时的实时状态。本发明能准确判断空调实时运行过程中是否为故障状态。
Description
技术领域
本发明属于设备性能检测技术领域，更具体地，涉及一种基于功率和压力关联的空调外机故障检测方法及系统。
背景技术
家用空调的数量越来越多，各大空调企业每年投入的空调外机在线检测用地成本、时间成本和人力成本越来越高。如何提高空调外机的在线检测效率、降低检测成本，提高检测成功率，已成为空调生产企业提高产品生产效率和竞争力的重要问题。单一的使用压缩机功率、媒介压力或进出风口温度来评价空调运行的健康状况的方法越来越不准确，而且运行时间长、运行效率低。空调出厂运行检测正逐步向着多数据关联融合和快速检测的更准确、更高效的模式转变。
目前，单个空调外机出厂运行检测是空调外机装配产线周期时间最长的一个节拍，需约250-300秒，远远大于其装配时间节拍(约8秒钟)，并且目前针对空调外机出厂时的健康(或称“运行状态”)评估研究比较少，已有的方法主要是基于空调运行的故障状态信息，如累计使用时间、故障率、以及零部件的更换率等状态信息，并通过加权以及统计方法建立模型来对实时的运行数据进行评估，整体评估的准确性不高，检测速度慢。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种基于功率和压力关联的空调外机故障检测方法及系统，主要用于解决现有空调外机检测方法准确性不高的问题。
为实现上述目的，本发明提供了一种基于功率和压力关联的空调外机故障检测方法，所述空调外机故障检测方法包括：
S1对待测空调外机的在线功率数据和压力数据组成的数据对进行归一化处理，以获得关联数据向量；
S2获取所述关联数据向量中数据向量间的向量距离，基于所述向量距离获取向量间的近似度，基于所述近似度获取所述空调外机的实时状态评估值；
S3将所述实时状态评估值与预设阈值进行比对，判断待测空调外机运行时的实时状态。
进一步的，步骤S3中，一段时间段内，当所述实时状态评估值连续小于预设阈值的次数大于预设次数时，判断所述待测空调外机为故障并报警；当所述实时状态评估值连续小于所述预设阈值的次数小于等于预设次数时，判断所述待测空调外机为正常；当所述实时状态评估值大于等于所述预设阈值时，判断所述待测空调外机为正常。
进一步的，所述向量距离与所述实时状态评估值成反比。
进一步的，步骤S1前，以0.5s/次-1s/次的频率范围采集所述功率数据和压力数据。
进一步的，步骤S1之前，在所述待测空调外机运行的连续时间段内，采集所述功率数据和所述压力数据，以获得按时间序列一一对应的数据对。
进一步的，步骤S2中，采用如下公式获取所述向量距离：
式中，mi，mj分别为两个时刻下包含有功率数据和压力数据的数据向量，i＝1～N，j＝1～N；D是一个2N×2N的矩阵，其中N为连续时间段内所采集的功率数据和压力数据组成的数据对数；因子1/2用于标准化向量距离，0≤d(mi,mj)≤1。
进一步的，步骤S2中，采用如下公式计算所述近似度：
其中，Si，j为每两个数据向量mi和mj之间的近似度值。
进一步的，步骤S2中，采用如下公式获取所述实时状态评估值：
式中，i，j＝1，2，…，N，P(mi)为状态评估值，Simij表示近似度。
根据本发明的一个方面，还公开一种基于功率和压力关联的空调外机故障检测系统，包括：
检测单元，用于采集空调外机在线功率数据和压力数据；
处理单元，用于对待测空调外机的在线功率数据和压力数据组成的数据对进行归一化处理，以获得关联数据向量；还用于获取所述关联数据向量中数据向量间的向量距离，基于所述向量距离获取向量间的近似度，基于所述近似度获取所述空调外机的实时状态评估值；
判断输出单元，用于将所述实时状态评估值与预设阈值进行比对，以判断待测空调外机运行时的实时状态，并将判断信息输出。
根据本发明的另一个方面，还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如前任一项所述的检测方法的步骤。
通过本发明所构思的以上技术方案，与现有技术相比，主要具备以下优点：
1.本发明提供的检测方法通过实时采集空调外机运行时连续时间段内的功率数据和压力数据，并利用功率数据和压力数据相关联的数据对来获取空调外机实时状态评估值，并将该实时状态评估值与预设阈值进行比对，以判断待测空调外机在运行过程中的故障情况，整个计算判断过程由于利用了大量的空调外机运行过程中的过程数据，因此最终的故障判断结果更准确。
2.本发明检测方法通过计算功率、压力数据构成的关联数据向量之间的向量距离，从而快速准确的发现待测空调外机在不同运行状态之间的差别，故障判断结果更直观。
3.本发明检测方法中获取近似值时通过构建近似矩阵，利用待测空调外机实时功率数据和压力数据之间的相互关联状态，从而能够客观评价空调合格状态的状态特征，判断结果更真实。
附图说明
图1是本发明提供的基于功率和压力关联的空调外机故障检测方法的流程示意图；
图2是本发明提供的基于功率和压力关联的空调外机故障检测方法的数据处理过程示意图；
图3是本发明提供的基于在线功率和压力数据关联的空调外机故障检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
结合图1和2所示，本发明的一个实施例提供一种基于功率和压力关联的空调外机故障检测方法，该空调外机故障检测方法包括：
S1对待测空调外机的在线功率数据和压力数据组成的数据对进行归一化处理，以获得关联数据向量；
S2获取关联数据向量中数据向量间的向量距离，基于向量距离获取向量间的近似度，基于近似度获取空调外机的实时状态评估值；
S3将实时状态评估值与预设阈值进行比对，判断待测空调外机运行时的实时状态。
具体的，待测空调外机的在线运行状态包括启动、制热检测、停机转换、制冷检测、收氟等几个阶段；在制热、制冷阶段的运行时间内，采集待测空调外机当前时段内的运行数据。
例如，在连续时间段内，每隔时间间隔t采集一次待测空调外机的电压、电流以及空调冷媒压力传感器信号值，具体的时间间隔t可根据采集模块的运行速度决定，一般不大于1s。
采集大量运行数据后，通过电压和电流值可获得对应时刻的功率值，然后对采集的大量运行数据进行归一化处理，得到制热或制冷时间段内的数据向量时间序列(具体为含功率数据和压力数据的数据对)；在这个归一化的过程中，越接近参考历史数据或者体现合格空调整体特性的标准数据的时间序列值，会获得越接近1的归一化值。
在优选实施例中，步骤S3中，一段时间段内，当实时状态评估值连续小于预设阈值的次数超过预设次数时，判断待测空调外机为故障并报警；当实时状态评估值连续小于预设阈值的次数小于等于预设次数时，判断待测空调外机为正常；当实时状态评估值大于等于预设阈值时，判断待测空调外机为正常。
例如，当实时状态评估值连续小于预设阈值的次数超过预设次数时，表明待测空调外机在检测运行过程中发生故障，故障信号会直接输出给检测人员；当实时状态评估值连续小于预设阈值的次数未超过预设次数时，表明待测空调外机正常，故障信号会直接输出给检测人员，这样判断出的空调状态与空调实际状态相一致，检测准确率更高；当单次获得的实时状态评估值大于等于预设阈值时，判定空调外机正常。
在优选实施例中，步骤S1前，以0.5s/次-1s/次的频率范围采集功率数据和压力数据；具体的，采集频率范围可选为0.5s/次-1s/次，如时间间隔选为0.5s、0.8s、1s等，确保采集到的数据量足够大，进而确保故障判断的准确度。
在优选实施例中，步骤S1之前，在待测空调外机运行的连续时间段内，采集功率数据和压力数据，以获得按时间序列一一对应的数据对；具体的，采集过程可在启动、制热检测、停机转换、制冷检测、收氟等几个阶段中的任意一个状态下进行。
在优选实施例，步骤S2中，采用如下公式获取向量距离：
式中，mi，mj分别为两个时刻下包含有功率数据和压力数据的数据向量，i＝1～N，j＝1～N；D是一个2N×2N的矩阵，其中N为连续时间段内所采集的功率数据和压力数据组成的数据对数；因子1/2用于标准化向量距离，0≤d(mi,mj)≤1；可选的，当采集到第N+1个新的数据对时，可重复步骤S1-S3的步骤重新进行计算。
具体的，在长时间的测量过程中，由于空调外机本身的品质、外部环境、系统实时性、传感器质量等的影响，所获得的数据向量(功率和压力数据对)值不同，在空间不同区域分布，在这种情况下，系统需要判决哪些数据向量为合格品的表现，哪些是故障的表现，通过计算的向量距离，可以区分合格数据向量和故障数据向量，且一条数据向量被同时段采集的其它数据向量支持程度的越大，则该数据向量应具有较高的权重；基于这一思想，可以定义一个数据向量权重，体现每一个数据向量与其它数据向量之间的关联性。
在优选实施例中，步骤S2中，采用如下公式计算近似度：
其中，Si，j为每两个数据向量mi和mj之间的近似度值；
具体的，因为两个数据向量之间的近似度是相互关系，因此根据这N个数据向量，可以构建一个“近似矩阵”(3)，从这个近似矩阵中可以清楚的看到两个数据向量之间的相互支持或关联程度：
在优选实施例中，步骤S2中，采用如下公式获取实时状态评估值：
式中，i，j＝1，2，…,N，P(mi)为状态评估值,，Simij表示近似度。
在优选实施例中，向量距离与实时状态评估值成反比，且该实时状态评估值取值在[0,1]区间内。同一个时间序列内，一个数据向量(即空调外机实时的功率、压力数据对)与其它数据向量之间的距离越短，说明它得到其它数据向量的支持越大，对应得到的实时状态评估值越大，越接近合格品；相反，如果一个数据向量与其它数据向量的距离越大，则它的状态评估值越小，就越远离合格品，甚至为故障产品。
例如，设定评价基准值(即预设阈值，为根据历史空调正常运行工况设定)为0.6，当实时状态评估值连续小于0.6的次数大于预设次数时，则表明待测空调当前为故障状态，并发出报警信号给检测人员；当实时状态评估值连续小于0.6的次数小于等于预设次数时，表明待测空调外机当前为正常状态；或在连续多次计算内，实时状态评估值大于等于0.6，则表明该空调外机为正常状态。
例如，设定评价基准值为0.7，当实时状态评估值连续小于0.7的次数大于预设次数时，则表明待测空调外机当前为故障状态，并发出报警信号给检测人员；当实时状态评估值连续小于0.7的次数小于等于预设次数时，表明待测空调外机当前为正常状态；当实时状态评估值大于等于0.7时，表明空调外机为正常。
更具体的，设定实时状态评估值偏离预设阈值的连续次数至少为3次，这样能够避免误判，进一步提高检测准确度。
例如，设定预设次数为3次，则当实时状态评估值连续小于0.6的次数大于3次时，则表明待测空调当前为故障状态，并发出报警信号；当实时状态评估值小于0.6的次数小于等于3次时，如实时状态评估值连续2次小于0.6，则表明待测空调外机当前为正常状态。
例如，设定预设次数为5次，则当实时状态评估值连续小于0.7的次数大于5次时，则表明待测空调当前为故障状态，并发出报警信号；或当实时状态评估值小于0.7的次数小于等于5次时，表明待测空调外机当前为正常状态。
结合图3所示，根据本发明的另一个实施例，还公开一种基于功率和压力关联的空调外机故障检测系统，该系统包括：
检测单元，用于采集空调外机在线功率数据和压力数据；
处理单元，用于获取待测空调外机在连续时间段内的在线功率数据和压力数据的关联数据向量；还用于获取关联数据向量中数据向量间的向量距离，基于向量距离获取向量间的近似度，基于近似度获取空调外机的实时状态评估值；
判断输出单元，用于将实时状态评估值与预设阈值进行比对，以判断待测空调外机运行时的实时状态，并将判断信息输出。
具体的，检测单元用于当待测空调外机处于启动、制热检测、停机转换、制冷检测、收氟等几个运行阶段时，采集连续时间段内待测空调外机当前时段内的运行数据，包括电流和电压，以及压力数据，并将功率值和压力数据通过传输模块传输到处理单元。
处理单元，将接收到的电流和电压进行计算得到实时功率，再将实时功率和压力处理成按时间序列的数据向量；然后计算向量距离、近似度，并最终计算出实时状态评估值传输给判断单元。
判断单元中根据预先存储的预设阈值，对接收到的实时状态评估值进行比对，进而来判断待测空调外机是否处于故障状态。
在本发明的再一个实施例中，还公开一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如前任一项实施例中的检测方法的步骤。
空调外机状态评价标准是基于功率/压力数据向量和与该些数据向量对应的历史工况信息，对其中健康空调外机和故障空调外机的功率/压力数据关联之后对比分析得到的。
可以理解，本发明实施例中的存储器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(ReadOnly Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，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(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，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(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器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，前述预测方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，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模块组合执行完成。软件模块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，处理器读取存储器中的信息，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(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field Programmable Gate Array，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模块(例如过程、函数等)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。存储器可以在处理模块中或在处理模块外部实现。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于功率和压力关联的空调外机故障检测方法，其特征在于，所述空调外机故障检测方法包括：
S1对待测空调外机的在线功率数据和压力数据组成的数据对进行归一化处理，以获得关联数据向量；
S2获取所述关联数据向量间的向量距离，基于所述向量距离获取向量间的近似度，基于所述近似度获取所述空调外机的实时状态评估值；
S3将所述实时状态评估值与预设阈值进行比对，判断待测空调外机运行时的实时状态。
2.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，步骤S3中，一段时间段内，当所述实时状态评估值连续小于预设阈值的次数大于预设次数时，判断所述待测空调外机为故障并报警；当所述实时状态评估值连续小于所述预设阈值的次数小于等于预设次数时，判断所述待测空调外机为正常；当所述实时状态评估值大于等于所述预设阈值时，判断所述待测空调外机为正常。
3.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，所述向量距离与所述实时状态评估值成反比。
4.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，步骤S1前，以0.5s/次-1s/次的频率范围采集所述功率数据和压力数据。
5.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，步骤S1之前，在所述待测空调外机运行的连续时间段内，采集所述功率数据和所述压力数据，以获得按时间序列一一对应的数据对。
6.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，步骤S2中，采用如下公式获取所述向量距离：
式中，mi，mj分别为两个时刻下包含有功率数据和压力数据的数据向量，i＝1～N，j＝1～N；D是一个2N×2N的矩阵，其中N为连续时间段内所采集的功率数据和压力数据组成的数据对数；因子1/2用于标准化向量距离，d(mi,mj)为向量距离，且0≤d(mi,mj)≤1。
7.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，步骤S2中，采用如下公式计算所述近似度：
其中，Si，j为每两个数据向量mi和mj之间的近似度值，d(mi,mj)为向量距离，且0≤d(mi,mj)≤1。
8.如权利要求1所述的一种基于功率和压力关联的空调外机故障检测方法，其特征在于，步骤S2中，采用如下公式获取所述实时状态评估值：
式中，i，J＝1，2，…，N，P(mi)为状态评估值，Simij表示近似度。
9.一种基于功率和压力关联的空调外机故障检测系统，其特征在于，包括：
检测单元，用于采集空调外机在线功率数据和压力数据；
处理单元，用于对待测空调外机的在线功率数据和压力数据组成的数据对进行归一化处理，以获得关联数据向量；还用于获取所述关联数据向量中数据向量间的向量距离，基于所述向量距离获取向量间的近似度，基于所述近似度获取所述空调外机的实时状态评估值；
判断输出单元，用于将所述实时状态评估值与预设阈值进行比对，以判断待测空调外机运行时的实时状态，并将判断信息输出。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310733973.5A CN116817414A (zh) | 2023-06-19 | 2023-06-19 | 基于功率和压力关联的空调外机故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310733973.5A CN116817414A (zh) | 2023-06-19 | 2023-06-19 | 基于功率和压力关联的空调外机故障检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116817414A true CN116817414A (zh) | 2023-09-29 |
Family
ID=88119722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310733973.5A Pending CN116817414A (zh) | 2023-06-19 | 2023-06-19 | 基于功率和压力关联的空调外机故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116817414A (zh) |
-
2023
- 2023-06-19 CN CN202310733973.5A patent/CN116817414A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10592821B2 (en) | Self-learning fault detection for HVAC systems | |
| EP2499435B1 (en) | Refrigerant leak detection system and method | |
| US7188482B2 (en) | Fault diagnostics and prognostics based on distance fault classifiers | |
| JP4265982B2 (ja) | 機器診断装置、冷凍サイクル装置、冷凍サイクル監視システム | |
| CN112766327B (zh) | 空调故障预测方法、电子设备和储存介质 | |
| CN110858072B (zh) | 设备运行状态的确定方法及装置 | |
| JP2010025475A (ja) | 冷凍サイクル機器に用いられる故障診断装置 | |
| CN114893936A (zh) | 制冰系统进出水控制系统与控制方法 | |
| US20120166151A1 (en) | System and method for performance monitoring of commercial refrigeration | |
| CN116821846A (zh) | 一种空调外机在线一体化快速检测方法、系统和设备 | |
| CN113033913B (zh) | 空调故障预测性维护方法、系统、电子设备及存储介质 | |
| Casillas | Curation of ground-truth validated benchmarking datasets for fault detection & diagnostics tools | |
| US20160275407A1 (en) | Diagnostic device, estimation method, non-transitory computer readable medium, and diagnostic system | |
| CN116817414A (zh) | 基于功率和压力关联的空调外机故障检测方法及系统 | |
| CN113934191A (zh) | 一种冷水机组故障诊断系统 | |
| CN115841049B (zh) | 一种基于多源信息融合的设备寿命可靠性评估方法及系统 | |
| CN114838968B (zh) | 一种基于冷水水冷测试的空调故障检测方法及系统 | |
| CN111504673A (zh) | 一种冷水机组故障诊断方法、系统及空调器 | |
| US20210372647A1 (en) | Method and system for automatic detection of malfunctions/inefficient household electronic heating device | |
| CN113669839B (zh) | 检测冷媒泄漏的方法和计算机可读存储介质以及空调器 | |
| CN117079211B (zh) | 一种网络机房的安全监控系统及其方法 | |
| CN116384980B (zh) | 一种报修方法与系统 | |
| US20240185115A1 (en) | Method and apparatus for early warning of dry pump shutdown, electronic device, storage medium and program | |
| CN114528914B (zh) | 一种人在回路的冷水主机状态监测方法、终端及存储介质 | |
| Alsaleem et al. | Low Refrigerant Algorithm Detection for Cooling Systems Relying on Trending and Data Analysis |
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 |