CN110388733B - 故障风险分析***及方法、空调器和计算机可读存储介质 - Google Patents
故障风险分析***及方法、空调器和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110388733B CN110388733B CN201910686915.5A CN201910686915A CN110388733B CN 110388733 B CN110388733 B CN 110388733B CN 201910686915 A CN201910686915 A CN 201910686915A CN 110388733 B CN110388733 B CN 110388733B
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- risk
- risk level
- category
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
-
- 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
- F24F11/62—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
-
- 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
- F24F11/89—Arrangement or mounting of control or safety devices
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0267—Fault communication, e.g. human machine interface [HMI]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2614—HVAC, heating, ventillation, climate control
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种故障风险分析***、故障风险分析方法、空调器和计算机可读存储介质,故障风险分析***包括:存储器,用于存储计算机程序;处理器,用于执行计算机程序以实现:获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级。通过采集调试信息可以精确地反映出当前机组的潜在故障诱因;通过采集***运行信息来分析故障诱因可以使故障风险分析***所得到的故障诱因更加精确、可靠,进而实现优化产品故障分析机制,提升故障分析的可靠性与准确性,提升产品故障预警可靠性,精确指引客户降低产品故障发生概率,提升用户使用体验的技术效果。
Description
技术领域
本发明涉及空调***技术领域,具体而言,涉及一种故障风险分析***、一种故障风险分析方法、一种空调器和一种计算机可读存储介质。
背景技术
一般来说,针对空调***,尤其是商用空调***,多联机安装环境复杂多变、使用情况也不尽相同。具体的故障分析往往是发生在机组发生故障之后,依据故障代码或者其他故障推送信息进行分析进而维修。该做法一方面会造成故障分析的滞后,另一方面会增加维修的难度。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的第一个方面在于,提出一种故障风险分析***。
本发明的第二方面提出一种故障风险分析方法。
本发明的第三方面提出一种空调器。
本发明的第四方面提出一种计算机可读存储介质。
有鉴于此,本发明的第一方面提供了一种故障风险分析***,包括:存储器,用于存储计算机程序;处理器,用于执行计算机程序以实现:获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级。
本发明提供的故障风险分析***包括存储器和处理器。存储器用于存储计算机程序,处理器用于执行计算机程序,计算机程序在处理过程中先获取设备的调试信息和/或***运行信息,其后通过调试信息以及***运行信息确定出与调试信息和/或***运行信息相对应的故障诱因,最终根据所得到的故障诱因对应调整与故障诱因相对应的故障类别的故障风险等级。通过在机组中设置该故障风险分析***,使机组可以获取到安装过程中涉及到的调试信息以及机组运行过程中所产生的***运行信息。其中:不同地域和安装场景所对应的调试信息不同,通过采集调试信息可以精确地反映出当前机组的潜在故障诱因,从而实现精确到每个机组自身的故障预警;因不同的机组所处的运行环境和运行状态不同,致使每一台机组都存在与其一一对应的***运行信息,通过采集***运行信息来分析故障诱因可以在通过调试信息分析故障诱因的基础上进一步优化机组的故障诱因分析过程,使故障风险分析***所得到的故障诱因更加精确、可靠,且适用于当前机组,进而实现优化产品故障分析机制,提升故障分析的可靠性与准确性,提升产品故障预警可靠性,精确指引客户降低产品故障发生概率,提升用户使用体验的技术效果。
另外,本发明提供的上述技术方案中的故障风险分析***还可以具有如下附加技术特征:
在上述技术方案中,进一步地,处理器用于执行获取调试信息,确定与所述调试信息对应的故障诱因的步骤之后,还包括:调整与调试信息对应的故障诱因对应的风险等级。
在该技术方案中,在处理器获取到机组的调试信息后,根据调试信息对应调整故障诱因的风险等级。机组在完成生产后,会附属有一套默认的风险故障诱因风险等级排序,其代表了致使机组发生故障的诱导可能性。在此基础上,***通过采集到的调试信息来对应调整故障诱因所对应的风险等级,提升了故障诱因所对应的风险等级的准确性与可靠性,使调整后的风险等级更加适用与当前机组,进而提升机组的故障预警可靠性,并在机组发生故障时更加准确可靠的指引用户或维修人员执行维护工作,以实现优化故障风险分析***,提升产品可靠性,延长产品使用寿命,提升用户使用体验的技术效果。
在上述任一技术方案中,进一步地,基于获取***运行信息的情况下,***运行信息为本机组***运行信息;处理器用于执行根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级的步骤具体包括:根据本机组***运行信息确定故障诱因对故障类别的影响结果;基于影响结果,分别调整故障诱因对应的风险等级和故障类别对应的故障风险等级。
在该技术方案中,故障风险分析***所获取的***运行信息为本机组的***运行信息,本机组的***运行信息可以准确地反映出本机组的运行状态。处理器在执行根据故障诱因调整故障风险等级的过程中,先根据本机组的***运行信息确定出故障诱因对故障类别的影响结果,其后根据每种故障诱因所产生的影响结果来对应调整故障诱因所对应的风险等级和故障类别所对应的故障风险等级。其中,***在运行过程中,不同的运行状态会对机组产生不同的影响,通过分析本机组的***运行信息可以准确判断出每种故障诱因在本机组中所可能产生的故障类别,并可以进一步分析出其对故障类别的影响比重,从而将故障分析落实到对机组的实际影响上,以准确定位出每种故障诱因对机组的影响。并且,通过影响结果来对应调整故障类别所对应的故障风险等级,可以在最大程度上降低故障对机组所产生的不良影响,进而实现优化故障风险分析***,降低故障所带来的损失,提升产品可靠性,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,基于获取***运行信息的情况下,***运行信息为其他机组***故障信息;处理器用于执行根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级的步骤具体包括:提升与故障诱因相对应的故障类别的故障风险等级。
在该技术方案中,故障风险分析***所获取的***运行信息为其他机组的***故障信息,同类型的其他机组所产生的***故障信息可参考性较强,可以指引本机组的故障分析***做出针对性预警。处理器在执行根据故障诱因调整故障风险等级的过程中,根据获取到的其他机组的***故障信息,提升与该故障诱因相对应的故障类别的故障风险等级,以避免本机组出现和其他机组相同的故障,从而避免同一区域的多个机组同时产生相同的故障,进而提升故障风险***的可靠性,实现优化故障风险分析***,缩减维护成本,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,处理器用于执行在获取调试信息和/或***运行信息的步骤之前,还包括:根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;其中,任一故障类别对应有至少一个故障诱因。
在该技术方案中,处理器在获取调试信息和/或***运行信息前,先根据零部件的类别对故障类别进行分类,并划分与故障类别对应的故障风险等级,且每一种故障类别至少对应有一个故障诱因。其中,每种零部件所对应的故障类别和故障可能性以及故障影响均不同,通过采集零部件信息来划分故障类别所对应的故障风险等级可以进一步提升***中的故障风险等级的可靠性与准确性,进而实现优化故障风险分析***,提升故障风险分析***的精准性与可靠性,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,处理器还用于执行计算机程序以实现:根据任一零部件类别中对应的零部件的故障率对零部件的故障风险进行排序;根据全部零部件类别对应的零部件的故障率对零部件的故障风险进行排序;以及根据任一故障诱因的发生率对任一故障诱因进行风险等级排序。
在该技术方案中,机组中设置有多个零部件种类,每个零部件种类都对应有至少一种零部件。处理器在对故障风险等级进行排序时,通过根据任一零部件类别中对应的零部件的故障率对零部件的故障风险进行排序,使故障风险分析***可以根据零部件的故障风险排序确定出此类零部件中各零部件的故障率,从而有效预防因零部件损坏所产生的故障,并在故障发生时协助维护人员准确快捷的定位故障零部件。进一步地,处理器通过根据全部零部件类别对应的零部件的故障率对全部零部件的故障风险进行排序,使该故障风险排序可以准确反映出诱发故障的零部件的可能性,使维护人员在排查故障并执行针对性维修的过程中,可参考该故障风险排序准确定位出故障零部件,从而进一步降低机组的维护难度和维护成本,进而实现优化故障风险分析***功能性,提升***智能化程度,提升***可靠性与准确性,降低产品维护难度,缩减产品维护成本的技术效果。
在上述任一技术方案中,进一步地,故障风险分析***还用于执行计算机程序以实现:获取调整故障风险等级的故障类别;根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。
在该技术方案中,故障风险分析***还可以获取调整故障风险等级的故障类别,其后根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。其中,每种故障类别均对应有至少一种故障诱因,故障风险分析***通过控制机组执行与风险等级最高的故障诱因相对应的策略运行可以从最大程度上降低此类故障发生的可能性,从而实现故障的预防,有效降低故障的发生概率,进而实现优化故障风险分析***功能性,提升***可靠性,降低产品故障率,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,故障风险分析***还用于执行计算机程序以实现:基于本机组***的实时运行参数超出额定阈值范围,发送提示信息。
在该技术方案中,故障风险分析***中预设有与本机组相匹配的运行参数额定阀值,工作过程中,故障风险分析***实时获取本机组的运行参数,当***判断出实时运行参数超出额定阀值的范围时,故障风险分析***发出提示信息,以提示用户或维修人员该机组正处于非常规运行状态,以警示用户或维修人员该机组存在故障的可能性,提示用户或维修人员停机并检查该机组是否发生故障,从而实现机组的智能化预警,提升故障风险分析***的可靠性,降低产品的故障率,提升用户使用体验的技术效果。
在上述任一技术方案中,进一步地,故障风险分析***还用于执行计算机程序以实现:获取当前故障信息,确定当前故障信息对应的故障类别的故障风险等级;将与当前故障信息对应的故障类别对应的故障诱因进行等级排序;根据等级排序发送故障诱因。
在该技术方案中,在本机组发生故障后,故障风险分析***获取当前故障信息,并确定当前故障信息对应的故障类别的故障风险等级,其后将该故障类别对应的故障诱因进行等级排序,并根据排序结果发送故障诱因。通过采集故障信息可以准确判断出此次故障的类别,以协助维修人员缩小故障排查范围。在定位出故障类别后,***通过将与该故障类别对应的故障诱因以等级排序后的形式发出,使用户可以通过该等级排序得出诱发该故障的各种诱因的可能性,从而协助用户准确定位机组故障类别和故障诱因,降低机组的维护难度和维护成本,进而实现优化故障风险分析***实用性与可靠性,提升故障风险分析***智能化程度,降低产品维护难度的技术效果。
在上述任一技术方案中,进一步地,故障风险分类包括以下至少一种:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障;传感器类故障、电控元件类故障、阀体类故障、风机类故障及压缩机类故障对应的故障风险等级排序依次降低。
在该技术方案中,故障风险分类包括:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障。其中,上述多种故障类别等级降序为:传感器类故障-电控元件类故障-阀体类故障-风机类故障-压缩机类故障。此排序适用于大部分常规机组,可以指引故障风险分析***在机组运行时有效预警机组故障,并在机组发生故障后准确评估机组故障。
本发明的第二方面提供了一种故障风险分析方法,包括:获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级。
本发明提供的故障风险分析方法,先获取设备的调试信息和/或***运行信息,其后通过调试信息以及***运行信息确定出与调试信息和/或***运行信息相对应的故障诱因,最终根据所得到的故障诱因对应调整与故障诱因相对应的、故障类别的故障风险等级,使机组可以获取到安装过程中涉及到的调试信息以及机组运行过程中所产生的***运行信息。其中:不同地域和安装场景所对应的调试信息不同,通过采集调试信息可以精确地反映出当前机组的潜在故障诱因,从而实现精确到每个机组自身的故障预警;因不同的机组所处的运行环境和运行状态不同,致使每一台机组都存在与其一一对应的***运行信息,通过采集***运行信息来分析故障诱因可以在通过调试信息分析故障诱因的基础上进一步优化机组的故障诱因分析过程,使所得到的故障诱因更加精确、可靠,且适用于当前机组,进而实现优化产品故障分析机制,提升故障分析的可靠性与准确性,提升产品故障预警可靠性,精确指引客户降低产品故障发生概率,提升用户使用体验的技术效果。
在上述任一技术方案中,进一步地,在获取调试信息,确定与所述调试信息和/或所述***运行信息对应的故障诱因的步骤之后,还包括:调整与调试信息对应的故障诱因对应的风险等级。
在该技术方案中,在获取到机组的调试信息后,根据调试信息对应调整故障诱因的风险等级。机组在完成生产后,会附属有一套默认的风险故障诱因风险等级排序,其代表了致使机组发生故障的诱导可能性。在此基础上,通过采集到的调试信息来对应调整故障诱因所对应的风险等级,提升了故障诱因所对应的风险等级的准确性与可靠性,使调整后的风险等级更加适用与当前机组,进而提升机组的故障预警可靠性,并在机组发生故障时更加准确可靠的指引用户或维修人员执行维护工作,以实现提升产品可靠性,延长产品使用寿命,提升用户使用体验的技术效果。
在上述任一技术方案中,进一步地,基于获取***运行信息的情况下,***运行信息为本机组***运行信息;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级的步骤具体包括:根据本机组***运行信息确定故障诱因对故障类别的影响结果;基于影响结果,分别调整故障诱因对应的风险等级和故障类别对应的故障风险等级。
在该技术方案中,所获取的***运行信息为本机组的***运行信息,本机组的***运行信息可以准确地反映出本机组的运行状态。处理器在执行根据故障诱因调整故障风险等级的过程中,先根据本机组的***运行信息确定出故障诱因对故障类别的影响结果,其后根据每种故障诱因所产生的影响结果来对应调整故障诱因所对应的风险等级和故障类别所对应的故障风险等级。其中,***在运行过程中,不同的运行状态会对机组产生不同的影响,通过分析本机组的***运行信息可以准确判断出每种故障诱因在本机组中所可能产生的故障类别,并可以进一步分析出其对故障类别的影响比重,从而将故障分析落实到对机组的实际影响上,以准确定位出每种故障诱因对机组的影响。并且,通过影响结果来对应调整故障类别所对应的故障风险等级,可以在最大程度上降低故障对机组所产生的不良影响,进而实现降低故障所带来的损失,提升产品可靠性,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,基于获取***运行信息的情况下,***运行信息为其他机组***故障信息;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级的步骤具体包括:提升与故障诱因相对应的故障类别的故障风险等级。
在该技术方案中,所获取的***运行信息为其他机组的***故障信息,同类型的其他机组所产生的***故障信息可参考性较强,可以指引本机组做出针对性预警。处理器在执行根据故障诱因调整故障风险等级的过程中,根据获取到的其他机组的***故障信息,提升与该故障诱因相对应的故障类别的故障风险等级,以避免本机组出现和其他机组相同的故障,从而避免同一区域的多个机组同时产生相同的故障,进而实现缩减维护成本,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,在获取调试信息和/或***运行信息的步骤之前,还包括:根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;其中,任一故障类别对应有至少一个故障诱因。
在该技术方案中,在获取调试信息和/或***运行信息前,先根据零部件的类别对故障类别进行分类,并划分与故障类别对应的故障风险等级,且每一种故障类别至少对应有一个故障诱因。其中,每种零部件所对应的故障类别和故障可能性以及故障影响均不同,通过采集零部件信息来划分故障类别所对应的故障风险等级可以进一步提升***中的故障风险等级的可靠性与准确性,进而实现提升故障风险分析方法的精准性与可靠性,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,故障风险分析方法还包括:根据任一零部件类别中对应的零部件的故障率对零部件的故障风险进行排序;根据全部零部件类别对应的零部件的故障率对零部件的故障风险进行排序;以及根据任一故障诱因的发生率对任一故障诱因进行风险等级排序。
在该技术方案中,机组中设置有多个零部件种类,每个零部件种类都对应有至少一种零部件。在对故障风险等级进行排序时,通过根据任一零部件类别中对应的零部件的故障率对零部件的故障风险进行排序,以根据零部件的故障风险排序确定出此类零部件中各零部件的故障率,从而有效预防因零部件损坏所产生的故障,并在故障发生时协助维护人员准确快捷的定位故障零部件。进一步地,通过根据全部零部件类别对应的全部零部件的故障率对零部件的故障风险进行排序,使该故障风险排序可以准确反映出诱发故障的零部件的可能性,使维护人员在排查故障并执行针对性维修的过程中,可参考该故障风险排序准确定位出故障零部件,从而进一步降低机组的维护难度和维护成本,进而实现优化故障风险分析方法,提升产品智能化程度,提升产品可靠性与准确性,降低产品维护难度,缩减产品维护成本的技术效果。
在上述任一技术方案中,进一步地,故障风险分析方法还包括:获取调整故障风险等级的故障类别;根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。
在该技术方案中,故障风险分析方法可以获取调整故障风险等级的故障类别,其后根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。其中,每种故障类别均对应有至少一种故障诱因,故障风险分析方法通过控制机组执行与风险等级最高的故障诱因相对应的策略运行可以从最大程度上降低此类故障发生的可能性,从而实现故障的预防,有效降低故障的发生概率,进而实现提升***可靠性,降低产品故障率,延长产品使用寿命的技术效果。
在上述任一技术方案中,进一步地,故障风险分析方法还包括:基于本机组***的实时运行参数超出额定阈值范围,发送提示信息。
在该技术方案中,故障风险分析方法中预设有与本机组相匹配的运行参数额定阀值,工作过程中,实时获取本机组的运行参数,当判断出实时运行参数超出额定阀值的范围时,发出提示信息,以提示用户或维修人员该机组正处于非常规运行状态,并警示用户或维修人员该机组存在故障的可能性,提示用户或维修人员停机并检查该机组是否发生故障,从而实现机组的智能化预警,提升产品的可靠性,降低产品的故障率,提升用户使用体验的技术效果。
在上述任一技术方案中,进一步地,故障风险分析方法还包括:获取当前故障信息,确定当前故障信息对应的故障类别的故障风险等级;将与当前故障信息对应的故障类别对应的故障诱因进行等级排序;根据等级排序发送故障诱因。
在该技术方案中,在本机组发生故障后,获取当前故障信息,并确定当前故障信息对应的故障类别的故障风险等级,其后将该故障类别对应的故障诱因进行等级排序,并根据排序结果发送故障诱因。通过采集故障信息可以准确判断出此次故障的类别,以协助维修人员缩小故障排查范围。在定位出故障类别后,通过将与该故障类别对应的故障诱因以等级排序后的形式发出,使用户可以通过该等级排序得出诱发该故障的各种诱因的可能性,从而协助用户准确定位机组故障类别和故障诱因,降低机组的维护难度和维护成本,进而实现提升产品可靠性,提升产品智能化程度,降低产品维护难度的技术效果。
在上述任一技术方案中,进一步地,故障风险分类包括以下至少一种:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障;传感器类故障、电控元件类故障、阀体类故障、风机类故障及压缩机类故障对应的故障风险等级排序依次降低。
在该技术方案中,故障风险分类包括:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障。其中,上述多种故障类别等级降序为:传感器类故障-电控元件类故障-阀体类故障-风机类故障-压缩机类故障。此排序适用于大部分常规机组,可以指机组在运行时有效预警故障,并在机组发生故障后准确评估机组故障。
本发明的第三方面提供了一种空调器,包括如上述任一技术方案中提供的故障风险分析***,因此,该空调器包括如上述任一技术方案中提供的故障风险分析***的全部有益效果,在此不再赘述。
本发明的第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一技术方案中提供的故障风险分析方法,以此,该计算机可读存储介质包括如上述任一技术方案中提供的故障风险分析方法的全部有益效果,在此不再赘述。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明的一个实施例的故障风险分析***的结构框图;
图2示出了根据本发明的一个实施例的故障风险分析方法的流程图;
图3示出了根据本发明的另一个实施例的故障风险分析方法的流程图;
图4示出了根据本发明的又一个实施例的故障风险分析方法的流程图;
图5示出了根据本发明的再一个实施例的故障风险分析方法的流程图;
图6示出了根据本发明的再一个实施例的故障风险分析方法的流程图;
图7示出了根据本发明的再一个实施例的故障风险分析方法的流程图;
图8示出了根据本发明的一个实施例的故障风险分析***的***框图图;
图9示出了根据本发明的一个实施例的故障分析模块的工作示意图;
图10示出了根据本发明的一个实施例的故障诱因、故障类和故障风险等级的对应关系图;
图11示出了根据本发明的一个实施例的故障征兆响应模块的工作示意图;
图12示出了根据本发明的一个实施例的故障辅助分析模块的工作示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图12描述根据本发明一些实施例所述故障风险分析***、故障风险分析方法、空调器、计算机可读存储介质。
如图1所示,故障风险分析***100包括存储器102和处理器104,存储器102用于存储计算机程序,以通过计算机程序执行故障风险分析,处理器104用于执行计算机程序。
处理器104用于执行计算机程序以实现先获取设备的调试信息和/或***运行信息,其后通过调试信息以及***运行信息确定出与调试信息和/或***运行信息相对应的故障诱因,最终根据所得到的故障诱因对应调整与故障诱因相对应的、故障类别的故障风险等级。
具体地,本申请限定的故障风险分析***应用于空调器中,在空调安装过程中,将空调器的设备调试信息输入至故障风险***中,其后在工作过程中实时获取空调器的***运行信息和工作参数,以提前判断出该空调器所存在的安全隐患和故障诱因,并具体评估出故障风险等级。
通过采集调试信息可以精确地反映出当前机组的潜在故障诱因,从而实现精确到每个机组自身的故障预警;通过采集***运行信息来分析故障诱因可以在通过调试信息分析故障诱因的基础上进一步优化机组的故障诱因分析过程,使故障风险分析***100所得到的故障诱因更加精确、可靠,且适用于当前机组,进而实现优化产品故障分析机制,提升故障分析的可靠性与准确性,提升产品故障预警可靠性,精确指引客户降低产品故障发生概率,提升用户使用体验的技术效果。
进一步,处理器用于执行获取调试信息,确定与所述调试信息对应的故障诱因的步骤之后,还包括:调整与调试信息对应的故障诱因对应的风险等级。
在该实施例中,在处理器获取到机组的调试信息后,根据调试信息对应调整故障诱因的风险等级。机组在完成生产后,会附属有一套默认的风险故障诱因风险等级排序,其代表了致使机组发生故障的诱导可能性。在此基础上,***通过采集到的调试信息来对应调整故障诱因所对应的风险等级,提升了故障诱因所对应的风险等级的准确性与可靠性,使调整后的风险等级更加适用与当前机组,进而提升机组的故障预警可靠性,并在机组发生故障时更加准确可靠的指引用户或维修人员执行维护工作,以实现优化故障风险分析***,提升产品可靠性,延长产品使用寿命,提升用户使用体验的技术效果。进一步的,故障风险分析***获取到的***运行信息有两种:
1)故障风险分析***所获取的***运行信息为本机组的***运行信息:处理器用于执行根据本机组***运行信息确定故障诱因对故障类别的影响结果;基于影响结果,分别调整故障诱因对应的风险等级和故障类别对应的故障风险等级。
当获取到的***运行信息为本机组的***运行信息时,该***运行信息可以代表本机组的运行状态,例如:空调器在运行过程中,冷凝器温度值便可以直接反映当前空调器的工作状态。
***在运行过程中,不同的运行状态会对机组产生不同的影响,通过分析本机组的***运行信息可以准确判断出每种故障诱因在本机组中所可能产生的故障类别,并可以进一步分析出其对故障类别的影响比重,从而将故障分析落实到对机组的实际影响上,以准确定位出每种故障诱因对机组的影响。并且,通过影响结果来对应调整故障类别所对应的故障风险等级,可以在最大程度上降低故障对机组所产生的不良影响,进而实现优化故障风险分析***,降低故障所带来的损失,提升产品可靠性,延长产品使用寿命的技术效果。
具体实施例中,针对风险等级发生变化的故障类别对应的零部件类别的运行信息进行采集,记录运行一段时间后,这些运行信息的一个变化率,基于变化率较小的情况下,则判定导致等级上升的故障诱因对该类故障类别的影响较小,将该类故障类别对应的等级进行下调;基于变化率较高,则说明该故障诱因对该类故障的影响较高,提升该故障诱因的风险等级。
进一步地,提升等级数和下调等级数,可以根据故障诱因对故障的影响系数,对应调整故障等级。
2)故障风险分析***所获取的***运行信息为其他机组***故障信息:
当获取到的***运行信息为其他机组的故障信息时,该故障信息虽不能反映本机的工作状态,但可以作为本机的预警参考信息。例如:在大批量的空调器集中安装在某一区域时,若部分空调器产生故障,则其生成的故障信息可以为作为其他空调器的故障预警参考信息,以指引用户和空调器***降低该故障的发生概率。
通过提升与该故障诱因相对应的故障类别的故障风险等级,以避免本机组出现和其他机组相同的故障,从而避免同一区域的多个机组同时产生相同的故障,进而提升故障风险***的可靠性,实现优化故障风险分析***,缩减维护成本,延长产品使用寿命的技术效果。
进一步地,获取到的***运行信息为并不局限于其他机组的故障信息,也可以是其他机组的运行信息,作为参考,以提升故障风险的适应性。
进一步地,可以根据历史统计的故障数据建立初始的故障风险等级基础库,具体地,可以从机组的零部件角度出发来判定机组的故障风险等级,根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;其中,任一故障类别对应有至少一个故障诱因。
该实施例中,根据零部件的类别对故障类别进行分类,并划分与故障类别对应的故障风险等级,且每一种故障类别至少对应有一个故障诱因。其中,每种零部件所对应的故障类别和故障可能性以及故障影响均不同,通过采集零部件信息来划分故障类别所对应的故障风险等级可以进一步提升***中的故障风险等级的可靠性与准确性,进而实现提升故障风险分析方法的精准性与可靠性,延长产品使用寿命的技术效果。
具体地,故障风险分析***对每个零部件类别中的具体零部件的故障率进行评判,以得出零部件的故障风险排序:
例如:空调器中设置有阀体这一零部件种类,阀体具体包括单向阀、节流阀、四通阀等零部件。故障风险分析***比对历史记录中所记载的单向阀故障率、节流阀故障率和四通阀故障率的大小,通过比对结果将单向阀、节流阀和四通阀以故障率从高到低的顺序排序,以得出阀体类零部件的故障率排序。当空调器出现因阀体故障所产生的冷媒流通故障时,***可以从故障率高的具体阀体结构向故障率低的具体阀体结构逐步排查,从而准确快速的定位出故障阀体。
进一步地,故障风险分析***根据全部零部件类别对应的零部件的故障率对零部件的故障风险进行排序:
承接上一段的内容,故障风险分析***通过将故障风险排查扩大至全部零部件类别,并对全部零部件类别进行风险等级排序,使得故障风险分析***可以在机组发生故障时,快速定位出产生故障的零部件类别。例如:当空调器出现无法制冷的问题时,故障风险分析***根据零部件类别的风险等级排序可以通过风险等级排序得知,因压缩机产生故障的可能性大于因阀体产生故障的可能性,从而指引维护人员先排查压缩机组件,后逐个排查阀体结构,从而降低维护难度。
进一步地,故障风险分析***可以在故障发生前控制机组工作,以避免故障发生:
1)故障风险分析***获取调整故障风险等级的故障类别,并根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。
故障风险分析***通过控制机组执行与风险等级最高的故障诱因相对应的策略运行可以从最大程度上降低此类故障发生的可能性,从而实现故障的预防,有效降低故障的发生概率,进而实现优化故障风险分析***功能性,提升***可靠性,降低产品故障率,延长产品使用寿命的技术效果。
2)故障风险分析***基于本机组***的实时运行参数超出额定阈值范围,发送提示信息。
故障风险分析***发出提示信息,以提示用户该机组正处于非常规运行状态,以警示用户该机组存在故障的可能性,提示用户停机并检查该机组是否发生故障,从而实现机组的智能化预警,提升故障风险分析***的可靠性,降低产品的故障率,提升用户使用体验的技术效果。
具体地,故障风险分类包括:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障。每个机组包含上述至少一种故障类别。其中,上述多种故障类别等级降序为:传感器类故障-电控元件类故障-阀体类故障-风机类故障-压缩机类故障。此排序适用于大部分常规机组,可以指机组在运行时有效预警故障,并在机组发生故障后准确评估机组故障。
本发明的一个实施例提供了一种故障风险分析方法,如图2所示,故障风险分析方法的流程包括:
S202,获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;
S204,根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级。
在该实施例中,本申请限定的故障风险分析***可应用于空调器中,在空调安装过程中,将空调器的设备调试信息输入至故障风险***中,其后在工作过程中实时获取空调器的***运行信息和工作参数,以提前判断出该空调器所存在的安全隐患和故障诱因,并具体评估出故障风险等级。
通过采集调试信息可以精确地反映出当前机组的潜在故障诱因,从而实现精确到每个机组自身的故障预警;通过采集***运行信息来分析故障诱因可以在通过调试信息分析故障诱因的基础上进一步优化机组的故障诱因分析过程,使故障风险分析***所得到的故障诱因更加精确、可靠,且适用于当前机组,进而实现优化产品故障分析机制,提升故障分析的可靠性与准确性,提升产品故障预警可靠性,精确指引客户降低产品故障发生概率,提升用户使用体验的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,在获取调试信息,确定与所述调试信息和/或所述***运行信息对应的故障诱因的步骤之后,还包括:调整与调试信息对应的故障诱因对应的风险等级。
在该实施例中,机组在完成生产后,会附属有一套默认的风险故障诱因风险等级排序,其代表了致使机组发生故障的诱导可能性。在此基础上,通过采集到的调试信息来对应调整故障诱因所对应的风险等级,提升了故障诱因所对应的风险等级的准确性与可靠性,使调整后的风险等级更加适用与当前机组,进而提升机组的故障预警可靠性,并在机组发生故障时更加准确可靠的指引用户或维修人员执行维护工作,以实现提升产品可靠性,延长产品使用寿命,提升用户使用体验的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,基于获取***运行信息的情况下,***运行信息为本机组***运行信息;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级的步骤具体包括:根据本机组***运行信息确定故障诱因对故障类别的影响结果;基于影响结果,分别调整故障诱因对应的风险等级和故障类别对应的故障风险等级。在该实施例中,当获取到的***运行信息为本机组的***运行信息时,该***运行信息可以代表本机组的运行状态,例如:空调器在运行过程中,冷凝器温度值便可以直接反映当前空调器的工作状态。
***在运行过程中,不同的运行状态会对机组产生不同的影响,通过分析本机组的***运行信息可以准确判断出每种故障诱因在本机组中所可能产生的故障类别,并可以进一步分析出其对故障类别的影响比重,从而将故障分析落实到对机组的实际影响上,以准确定位出每种故障诱因对机组的影响。并且,通过影响结果来对应调整故障类别所对应的故障风险等级,可以在最大程度上降低故障对机组所产生的不良影响,进而实现优化故障风险分析***,降低故障所带来的损失,提升产品可靠性,延长产品使用寿命的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,基于获取***运行信息的情况下,***运行信息为其他机组***故障信息;根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级的步骤具体包括:提升与故障诱因相对应的故障类别的故障风险等级。
在该实施例中,当获取到的***运行信息为其他机组的故障信息时,该故障信息虽不能反映本机的工作状态,但可以作为本机的预警参考信息。例如:在大批量的空调器集中安装在某一区域时,若部分空调器产生故障,则其生成的故障信息可以为作为其他空调器的故障预警参考信息,以指引用户和空调器***降低该故障的发生概率。
通过提升与该故障诱因相对应的故障类别的故障风险等级,以避免本机组出现和其他机组相同的故障,从而避免同一区域的多个机组同时产生相同的故障,进而提升故障风险***的可靠性,实现优化故障风险分析***,缩减维护成本,延长产品使用寿命的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,如图3所示,故障风险分析方法的流程包括:
S302,根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;
S304,获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;
S306,根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级。
在该实施例中,在获取调试信息和/或***运行信息前,先根据零部件的类别对故障类别进行分类,并划分与故障类别对应的故障风险等级,且每一种故障类别至少对应有一个故障诱因。其中,不同功能的机组中对应设置有不同的设备和零部件,每种零部件所对应的故障类别和故障可能性以及故障影响均不同,通过采集零部件信息来划分故障类别所对应的故障风险等级可以进一步提升***中的故障风险等级的可靠性与准确性,一方面排除掉本机组所不存在的故障类别,另一方面提升故障风险等级的可参考价值,进而实现提升故障风险分析方法的精准性与可靠性,延长产品使用寿命的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,如图4所示,包括:
S402,根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;
S404,获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;
S406,根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级;
S408,根据任一零部件类别中对应的零部件的故障率对零部件的故障风险进行排序;
S410,根据全部零部件类别对应的零部件的故障率对零部件的故障风险进行排序;以及根据任一故障诱因的发生率对任一故障诱因进行风险等级排序。
在该实施例中,故障风险分析方法可以从机组的零部件角度出发来判定机组的故障风险等级:
1)故障风险分析方法对每个零部件类别中的具体零部件的故障率进行评判,以得出零部件的故障风险排序:
例如:空调器中设置有阀体这一零部件种类,阀体具体包括单向阀、节流阀、四通阀等零部件。工作过程中,故障风险分析方法比对历史记录中所记载的单向阀故障率、节流阀故障率和四通阀故障率的大小,通过比对结果将单向阀、节流阀和四通阀以故障率从高到低的顺序排序,以得出阀体类零部件的故障率排序。当空调器出现因阀体故障所产生的冷媒流通故障时,方法可以从故障率高的具体阀体结构向故障率低的具体阀体结构逐步排查,从而准确快速的定位出故障阀体。
2)故障风险分析方法根据全部零部件类别对应的零部件的故障率对零部件的故障风险进行排序:
承接上一段的内容,故障风险分析方法通过将故障风险排查扩大至全部零部件类别,并对全部零部件类别进行风险等级排序,使得故障风险分析方法可以在机组发生故障时,快速定位出产生故障的零部件类别。例如:当空调器出现无法制冷的问题时,故障风险分析方法根据零部件类别的风险等级排序可以通过风险等级排序得知,因压缩机产生故障的可能性大于因阀体产生故障的可能性,从而指引维护人员先排查压缩机组件,后逐个排查阀体结构,从而降低维护难度。
从而一方面排除掉本机组所不存在的故障类别,另一方面提升故障风险等级的可参考价值,进而实现优化故障风险分析方法,提升故障风险分析方法的精准性与可靠性,延长产品使用寿命的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,如图5所示,故障风险分析方法的流程包括:
S502,根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;
S504,获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;
S506,根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级;
S508,获取调整故障风险等级的故障类别;
S510,根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。
在该实施例中,故障风险分析方法获取调整故障风险等级的故障类别,并根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行。
故障风险分析方法通过控制机组执行与风险等级最高的故障诱因相对应的策略运行可以从最大程度上降低此类故障发生的可能性,从而实现故障的预防,有效降低故障的发生概率,进而实现优化产品功能性,提升产品可靠性,降低产品故障率,延长产品使用寿命的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,如图6所示,故障风险分析方法的流程包括:
S602,根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;
S604,获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;
S606,根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级。
S608,获取调整故障风险等级的故障类别;
S610,根据故障类别对应的所有故障诱因中的风险等级最高的故障诱因对应的控制策略控制***运行;
S612,基于本机组***的实时运行参数超出额定阈值范围,发送提示信息。
在该实施例中,故障风险分析方法基于本机组***的实时运行参数超出额定阈值范围,发送提示信息。故障风险分析方法通过控制机组发出提示信息,以提示用户该机组正处于非常规运行状态,以警示用户该机组存在故障的可能性,提示用户停机并检查该机组是否发生故障,从而实现机组的智能化预警,提升故障风险分析方法的可靠性,降低产品的故障率,提升用户使用体验的技术效果。
本发明的一个实施例提供了一种故障风险分析方法,如图7所示,故障风险分析方法的流程包括:
S702,根据零部件的类别对故障类别进行分类,以及划分与故障类别对应的故障风险等级;
S704,获取调试信息和/或***运行信息,确定与调试信息和/或***运行信息对应的故障诱因;
S706,根据故障诱因调整与故障诱因相对应的故障类别的故障风险等级;
S708,获取当前故障信息,确定当前故障信息对应的故障类别的故障风险等级;
S710,将与当前故障信息对应的故障类别对应的故障诱因进行等级排序;
S712,根据等级排序发送故障诱因。
在该实施例中,在本机组发生故障后,获取当前故障信息,并确定当前故障信息对应的故障类别的故障风险等级,其后将该故障类别对应的故障诱因进行等级排序,并根据排序结果发送故障诱因。通过采集故障信息可以准确判断出此次故障的类别,以协助维修人员缩小故障排查范围。在定位出故障类别后,通过将与该故障类别对应的故障诱因以等级排序后的形式发出,使用户可以通过该等级排序得出诱发该故障的各种诱因的可能性,从而协助用户准确定位机组故障类别和故障诱因,降低机组的维护难度和维护成本,进而实现提升产品可靠性,提升产品智能化程度,降低产品维护难度的技术效果。
具体地,故障风险分类包括:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障。每个机组包含上述至少一种故障类别。其中,上述多种故障类别等级降序为:传感器类故障-电控元件类故障-阀体类故障-风机类故障-压缩机类故障。此排序适用于大部分常规机组,可以指机组在运行时有效预警故障,并在机组发生故障后准确评估机组故障。
本发明的一个实施例提供了一种空调器,包括如上述任一实施例中提供的故障风险分析***,因此,该空调器包括如上述任一实施例中提供的故障风险分析***的全部有益效果,在此不再赘述。
本发明的一个实施例提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一实施例中提供的故障风险分析方法,以此,该计算机可读存储介质包括如上述任一实施例中提供的故障风险分析方法的全部有益效果,在此不再赘述。
如图8所示,故障风险分析***包含三个基本模块:故障风险分析模块、故障征兆响应模块和故障辅助分析模块。三个模块可以独立工作,也可以互相建立沟通机制,协同工作。三个基本模块不要求全部都具有,但至少需具有故障风险分析模块,另外两个模块可选择性增加。模块可以但不限于设置于机器自身的主控制器中,也可以设置于云端数据处理中心。
1)针对故障风险分析模块,如图9所示:
其作用在于依据收集到的安装、初次调试以及机组实时运转的信息(包括但不限于当前机组的运行参数、运行故障等信息;能够以不同通讯方式获取到相邻安装机组的运行参数、运行故障等信息),按照一定的规则对机组的故障风险进行排序。用以指导机组调整运行策略或者指导机组后期维修。
具体实施例中,机组设计之初,故障风险分析模块根据历史故障数据构建基础故障风险等级库,可以但不限于按照零部件方式将故障进行分大类,如压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障等,并依据机组设计之初的经验值,对不同零部件类别的故障风险等级进行排序,同时对零部件类别内部的零部件的故障风险等级也进行相应排序,排名靠前的视为风险等级较高。
其中,基础故障风险等级库中以大类划分风险等级为:传感器类故障>电控元件类故障>阀体类故障>风机类故障>压缩机类故障。
同时每一大类可以依据***实际的不同,设置不同小类的风险等级,以传感器类故障为例,室内管温传感器>室外机管温传感器>室外机室温传感器>室内机室温传感器。
该种分类方式仅为一个示例,在总的风险等级排名中,可以允许不同大类中的小类依据实际情况穿插交替,如室内管温传感器故障、室外管温传感器故障、室外室温传感器故障隶属于传感器类故障,按大类排名在最前。而室内机室温传感器,其风险可以排在电控元器件类故障之后。
同时每一个故障信息,都有一个相对应的故障诱因库。诱因与故障形成多对一的关系。即多个诱因都有可能造成该故障发生。如落差较大可能会引发压缩机回油问题的故障,属于压缩机类故障的诱因之一。
该故障风险等级基础库中排序规则的制定,可以但不限于产品设计经验的积累、产品设计裕量的不同等方面,由产品使用之初就存储在故障风险分析模块中。
故障诱因、故障类、故障风险等级,共同组成了故障风险等级库(包含基础和当前),其对应关系如下,如图10所示:
不同的故障诱因对故障风险等级可以有不同的影响因子,因子的高低将决定其对故障风险等级上升或下降的决定作用。影响因子可以是根据经验确定为一定值,也可以是根据实际运行情况实时调整。如发生多个***的故障均有该诱因的存在,则当前诱因的影响因子可以提高。
在产品交付使用后,由故障风险分析模块接收产品的安装、调试信息,调取故障风险等级基础库中的信息,按照一定的规则形成当前故障风险等级库。所述的一定规则,即分析现有的安装、调试中已获得的信息,匹配故障诱因库中的信息,将安装、调试中发现的诱因中所对应的故障类型在当前故障风险等级库中风险等级提升。
其中安装、调试信息机组未获得到的部分将以后续机组运行情况进行判断或者不作处理。如安装的落差信息,机组安装之初要求手动录入,但安装人员并未录入可以由机组自身运行去判断或者将落差这一块故障诱因暂不做考量。
故障风险分析模块具体实施例1:
机组出厂初始将基础故障风险等级库赋值于当前故障风险等级库。其中压缩机类故障所处的风险等级最低为1级,电控元件类故障风险等级为4级。但安装、调试过程中,收集到了故障的诱因:室外机安装配管管径小了一号、室外换热器散热不良。
其中管径小了一号对压缩机类故障的影响因子为风险等级上升1级。
室外换热器散热不良对压缩机类故障的影响因子为风险等级上升1级,对电控元件类故障的影响因子为风险等级上升1级。
则按照影响因子的影响,对当前故障风险等级库进行更新,压缩机类故障风险等级变为3级,电控元件类故障风险等级变为5级。
故障风险分析模块具体实施例2:
承接之前故障风险等级库内容,压缩机类故障风险等级变为3级,电控元件类故障风险等级变为5级。
在运行过程中,监控***参数发现***实际运行的气候环境、负荷需求,致使室外换热器散热不良这一诱因对压缩机类故障的影响减小,但对电控元件类故障的影响仍然存在。如***可以保持在正常的高低压和排气温度区间范围运行,但电控模块的温度持续维持在高位。
则此时依据室外换热器散热不良对压缩机类故障的影响因子为风险等级上升1级来判断,将压缩机类故障风险等级重新下降1级,即取消该故障诱因对压缩机类故障的影响。使得压缩机类故障风险等级变为2级。
而电控元件类故障风险等级维持在5级不变。
故障风险分析模块具体实施例3:
承接之前故障风险等级库内容,压缩机类故障风险等级变为2级,电控元件类故障风险等级变为5级。
在运行过程中,收集到安装在同区域的其他相同匹数与相近压缩机组合的***中发生了压缩机类故障。
对于同区域其他机器发生故障,***赋予的规则时,将相应故障的风险等级直接上升2级,且不允许在此下降(该规则可以但不限于这一种)。
则此时,对于压缩机类故障风险等级将改变为4级。
2)针对故障征兆响应模块,如图11所示:
从故障风险分析模块收集到当前故障风险等级库的信息后,对库中风险等级较高的故障,在***可靠性允许的范围内(或者接收到相关指令,允许短时超载运行的情况下),对***采取相应的控制策略,以确保能够降低当前风险等级较高的故障对***的影响,进而预防高风险等级故障的发生。
具体地,空调运行初始基于当前故障风险等级库调用的是基础库中的内容,则空调按照一般正常控制去运行。随着空调的运行,当前故障风险等级库发生了变化,如压缩机类故障风险等级上升,通过征询致使压缩机类故障风险等级上升的故障诱因为压缩机长期运行在高压压力过高的状态下。
则此时机组可以采用在现有高压侧运行风档的划分基础上,将最高风档提升的策略。来控制***的高压压力。
进一步地,在提升风档后压力仍无法下降,则可以给予用户或维修人员提示信息,检查空调高压侧换热器的换热条件是否恶化,如换热器积灰严重、新增外物阻挡等。
3)针对故障辅助分析模块,如图12所示:
当空调发生故障后,***可调取当前故障风险等级库中的信息,对故障的诱因进行分析。对其中出现过致使当前故障风险等级上升的故障诱因,按照影响因子的排序推送给用户或者维修人员,指导故障分析与维修。
故障辅助分析模块具体实施例1:
空调发生故障后,调取当前故障风险等级库的信息。如空调此刻发生了压缩机坏的故障,当前的压缩机故障风险等级为3级,与基础故障风险等级库中的等级5级相比上升了2级。而致使其上升的诱因为压缩机长期在排气温度过高、压力过高状态下。推测其可能存在少冷媒或者***有堵的情况。
则将该信息优先推送给用户或维修人员,建议其优先检查***的冷媒充注量是否合适,阀体部件是否有堵。
故障辅助分析模块具体实施例2:
空调发生故障后,调取当前故障风险等级库的信息。如空调此刻发生了压缩机坏的故障,当前的压缩机故障风险等级为5级,与基础故障风险等级库中的等级5级相同。
而将压缩机故障的诱因库中的诱因逐个分析,分析的原则是比照***故障前的运行信息(如安装阶段收集到的安装、调试信息,以及使用阶段的使用习惯),不同诱因的影响因子有所不同。如室外机安装环境通风良好,则室外换热器散热较差诱因的影响因子下降。
结果发现,***长期运行在小负荷低频运转过程。则长期小负荷运转的诱因影响因子居前。
故优先将分析用户的使用习惯推送给用户或维修人员,以指导分析压缩机故障原因。
在本发明中,术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种故障风险分析***,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现:
获取调试信息、或获取所述调试信息和***运行信息,确定与所述调试信息、或所述调试信息和所述***运行信息对应的故障诱因;
根据所述故障诱因调整与所述故障诱因相对应的故障类别的故障风险等级;
所述处理器用于执行在获取调试信息、或获取所述调试信息和***运行信息的步骤之前,还包括:
根据零部件的类别对所述故障类别进行分类,以及划分与所述故障类别对应的所述故障风险等级;
其中,任一所述故障类别对应有至少一个所述故障诱因;
所述处理器用于执行所述获取调试信息,确定与所述调试信息对应的故障诱因的步骤之后,还包括:
调整与所述调试信息对应的所述故障诱因对应的风险等级。
2.根据权利要求1所述的故障风险分析***,其特征在于,基于获取所述***运行信息的情况下,所述***运行信息为本机组***运行信息;
所述处理器用于执行所述根据所述故障诱因调整与所述故障诱因相对应的故障类别的故障风险等级的步骤具体包括:
根据所述本机组***运行信息确定所述故障诱因对所述故障类别的影响结果;
基于所述影响结果,分别调整所述故障诱因对应的风险等级和所述故障类别对应的故障风险等级。
3.根据权利要求2所述的故障风险分析***,其特征在于,基于获取所述***运行信息的情况下,所述***运行信息为其他机组***故障信息;
所述处理器用于执行所述根据所述故障诱因调整与所述故障诱因相对应的故障类别的故障风险等级的步骤具体包括:
提升与所述故障诱因相对应的故障类别的故障风险等级。
4.根据权利要求1所述的故障风险分析***,其特征在于,所述处理器还用于执行所述计算机程序以实现:
根据任一所述零部件类别中对应的零部件的故障率对所述零部件的故障风险进行排序;
根据全部所述零部件类别对应的零部件的故障率对所述零部件的故障风险进行排序;以及
根据任一所述故障诱因的发生率对任一所述故障诱因进行风险等级排序。
5.根据权利要求1所述的故障风险分析***,其特征在于,还用于执行所述计算机程序以实现:
获取调整所述故障风险等级的所述故障类别;
根据所述故障类别对应的所有所述故障诱因中的风险等级最高的所述故障诱因对应的控制策略控制***运行。
6.根据权利要求2所述的故障风险分析***,其特征在于,还用于执行所述计算机程序以实现:
基于所述本机组***的实时运行参数超出额定阈值范围,发送提示信息。
7.根据权利要求1所述的故障风险分析***,其特征在于,还用于执行所述计算机程序以实现:
获取当前故障信息,确定所述当前故障信息对应的所述故障类别的故障风险等级;
将与所述当前故障信息对应的所述故障类别对应的所述故障诱因进行等级排序;
根据所述等级排序发送所述故障诱因。
8.根据权利要求1所述的故障风险分析***,其特征在于,
所述故障风险分类包括以下至少一种:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障;
所述传感器类故障、所述电控元件类故障、所述阀体类故障、所述风机类故障及所述压缩机类故障对应的所述故障风险等级排序依次降低。
9.一种故障风险分析方法,其特征在于,包括:
获取调试信息、或获取所述调试信息和***运行信息,确定与所述调试信息、或所述调试信息和所述***运行信息对应的故障诱因;
根据所述故障诱因调整与所述故障诱因相对应的故障类别的故障风险等级;
在获取调试信息、或获取所述调试信息和***运行信息的步骤之前,还包括:
根据零部件的类别对所述故障类别进行分类,以及划分与所述故障类别对应的所述故障风险等级;
其中,任一所述故障类别对应有至少一个所述故障诱因;
在所述获取调试信息,确定与所述调试信息对应的故障诱因的步骤之后,还包括:
调整与所述调试信息对应的所述故障诱因对应的风险等级。
10.根据权利要求9所述的故障风险分析方法,其特征在于,基于获取所述***运行信息的情况下,所述***运行信息为本机组***运行信息;
所述根据所述故障诱因调整与所述故障诱因相对应的故障类别的故障风险等级的步骤具体包括:
根据所述本机组***运行信息确定所述故障诱因对所述故障类别的影响结果;
基于所述影响结果,分别调整所述故障诱因对应的风险等级和所述故障类别对应的故障风险等级。
11.根据权利要求10所述的故障风险分析方法,其特征在于,基于获取所述***运行信息的情况下,所述***运行信息为其他机组***故障信息;
所述根据所述故障诱因调整与所述故障诱因相对应的故障类别的故障风险等级的步骤具体包括:
提升与所述故障诱因相对应的故障类别的故障风险等级。
12.根据权利要求9所述的故障风险分析方法,其特征在于,还包括:
根据任一所述零部件类别中对应的零部件的故障率对所述零部件的故障风险进行排序;
根据全部所述零部件类别对应的零部件的故障率对所述零部件的故障风险进行排序;以及
根据任一所述故障诱因的发生率对任一所述故障诱因进行风险等级排序。
13.根据权利要求9所述的故障风险分析方法,其特征在于,还包括:
获取调整所述故障风险等级的所述故障类别;
根据所述故障类别对应的所有所述故障诱因中的风险等级最高的所述故障诱因对应的控制策略控制***运行。
14.根据权利要求10所述的故障风险分析方法,其特征在于,还包括:
基于所述本机组***的实时运行参数超出额定阈值范围,发送提示信息。
15.根据权利要求9所述的故障风险分析方法,其特征在于,还包括:
获取当前故障信息,确定所述当前故障信息对应的所述故障类别的故障风险等级;
将与所述当前故障信息对应的所述故障类别对应的所述故障诱因进行等级排序;
根据所述等级排序发送所述故障诱因。
16.根据权利要求9所述的故障风险分析方法,其特征在于,
所述故障风险分类包括以下至少一种:压缩机类故障、风机类故障、阀体类故障、传感器类故障、电控元件类故障;
所述传感器类故障、所述电控元件类故障、所述阀体类故障、所述风机类故障及所述压缩机类故障对应的所述故障风险等级排序依次降低。
17.一种空调器,其特征在于,包括如权利要求1至8中任一项所述的故障风险分析***。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求9至16中任一项所述的故障风险分析方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910686915.5A CN110388733B (zh) | 2019-07-29 | 2019-07-29 | 故障风险分析***及方法、空调器和计算机可读存储介质 |
US17/604,432 US20220214673A1 (en) | 2019-07-29 | 2020-03-05 | Fault risk analysis system and method, air conditioner and computer readable storage medium |
PCT/CN2020/078072 WO2021017469A1 (zh) | 2019-07-29 | 2020-03-05 | 故障风险分析***及方法、空调器和计算机可读存储介质 |
EP20847689.5A EP3940307A4 (en) | 2019-07-29 | 2020-03-05 | FAILURE RISK ANALYSIS SYSTEM AND METHOD, AIR CONDITIONING AND COMPUTER READABLE STORAGE MEDIA |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910686915.5A CN110388733B (zh) | 2019-07-29 | 2019-07-29 | 故障风险分析***及方法、空调器和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110388733A CN110388733A (zh) | 2019-10-29 |
CN110388733B true CN110388733B (zh) | 2021-11-30 |
Family
ID=68287756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910686915.5A Active CN110388733B (zh) | 2019-07-29 | 2019-07-29 | 故障风险分析***及方法、空调器和计算机可读存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220214673A1 (zh) |
EP (1) | EP3940307A4 (zh) |
CN (1) | CN110388733B (zh) |
WO (1) | WO2021017469A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110388733B (zh) * | 2019-07-29 | 2021-11-30 | 广东美的暖通设备有限公司 | 故障风险分析***及方法、空调器和计算机可读存储介质 |
CN111290886A (zh) * | 2020-03-11 | 2020-06-16 | 珠海格力电器股份有限公司 | 设备自动恢复运行的方法及热水机 |
CN113465288A (zh) * | 2021-04-22 | 2021-10-01 | 苏州新亚科技有限公司 | 一种制冷设备预警***及其工作方法 |
CN113820985A (zh) * | 2021-09-26 | 2021-12-21 | 北京云迹科技有限公司 | 一种机器人的风险等级控制方法及装置 |
CN114992775A (zh) * | 2022-05-23 | 2022-09-02 | 珠海格力电器股份有限公司 | 故障恢复控制方法及设备 |
CN114992769A (zh) * | 2022-05-24 | 2022-09-02 | 宁波奥克斯电气股份有限公司 | 一种寿命估算方法及其装置和空调器、可读存储介质 |
CN115183389A (zh) * | 2022-08-09 | 2022-10-14 | 南京亚派软件技术有限公司 | 一种基于空调机房全生命周期的智能诊断方法 |
CN115978756B (zh) * | 2022-12-22 | 2024-06-04 | 宁波奥克斯电气股份有限公司 | 一种多联机空调传感器自修复的控制方法、可读存储介质 |
CN116466237B (zh) * | 2023-03-23 | 2024-04-02 | 苏州腾圣技术有限公司 | 一种锂电池的充电安全监测预警方法及*** |
CN118260555B (zh) * | 2024-05-28 | 2024-07-23 | 山东领傲电子科技有限公司 | 一种充电桩故障检测方法和*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010025475A (ja) * | 2008-07-22 | 2010-02-04 | Samsung Electronics Co Ltd | 冷凍サイクル機器に用いられる故障診断装置 |
CN104033992A (zh) * | 2014-06-06 | 2014-09-10 | 广东美的暖通设备有限公司 | 多联机空调故障处理方法及空调器 |
CN104930659A (zh) * | 2015-06-24 | 2015-09-23 | 海信(山东)空调有限公司 | 空调运行状态检测方法和*** |
CN104949276A (zh) * | 2015-06-24 | 2015-09-30 | 海信(山东)空调有限公司 | 空调运行状态自检方法和*** |
CN105066322A (zh) * | 2015-07-10 | 2015-11-18 | 珠海格力电器股份有限公司 | 空调器及其故障预警方法和装置 |
CN105805893A (zh) * | 2016-04-15 | 2016-07-27 | 珠海格力电器股份有限公司 | 空调器的故障检测方法和装置 |
CN106052023A (zh) * | 2016-05-30 | 2016-10-26 | 广东美的制冷设备有限公司 | 空调器调试方法和装置 |
CN106196448A (zh) * | 2016-07-12 | 2016-12-07 | 珠海格力电器股份有限公司 | 空调器的故障检测方法和装置 |
CN107562034A (zh) * | 2017-07-14 | 2018-01-09 | 宝沃汽车(中国)有限公司 | 线上故障处理方法及处理*** |
CN107990485A (zh) * | 2017-11-29 | 2018-05-04 | 珠海格力电器股份有限公司 | 空调故障的识别方法、装置和*** |
CN109140690A (zh) * | 2018-11-05 | 2019-01-04 | 广东美的暖通设备有限公司 | 空调器的控制方法及空调器 |
CN109325603A (zh) * | 2018-09-11 | 2019-02-12 | 国网河北省电力有限公司沧州供电分公司 | 故障请求处理方法、装置及终端设备 |
CN109357359A (zh) * | 2018-11-06 | 2019-02-19 | 青岛海尔空调器有限总公司 | 空调器故障预诊断的方法、装置和空调器 |
CN109981309A (zh) * | 2017-12-27 | 2019-07-05 | 青岛海尔洗衣机有限公司 | 家用电器的故障处理方法和*** |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3747798B2 (ja) * | 2001-04-27 | 2006-02-22 | 株式会社日立製作所 | 省エネルギ支援サービス及び冷凍空調装置のサービスシステム |
JP2008015838A (ja) * | 2006-07-06 | 2008-01-24 | Daikin Ind Ltd | 冷凍装置の製品情報管理システム |
JP4981479B2 (ja) * | 2007-02-21 | 2012-07-18 | 三菱重工業株式会社 | 機器の故障診断システム |
US20130197698A1 (en) * | 2012-01-26 | 2013-08-01 | Carrier Corporation | HVAC System Fault Root Cause Self-Determination |
WO2014144446A1 (en) * | 2013-03-15 | 2014-09-18 | Emerson Electric Co. | Hvac system remote monitoring and diagnosis |
US10169171B2 (en) * | 2013-05-13 | 2019-01-01 | Nxp Usa, Inc. | Method and apparatus for enabling temporal alignment of debug information |
US10402767B2 (en) * | 2014-02-13 | 2019-09-03 | Johnson Controls Technology Company | Systems and methods for monetizing and prioritizing building faults |
US10372567B2 (en) * | 2014-02-18 | 2019-08-06 | Cimetrics Inc. | Automatic fault detection and diagnosis in complex physical systems |
WO2015171624A1 (en) * | 2014-05-05 | 2015-11-12 | Vigilent Corporation | Point-based risk score for managing environmental systems |
EP3140701A4 (en) * | 2014-05-05 | 2017-05-03 | Vigilent Corporation | Operational performance-weighted redundancy for environmental control systems |
US10592821B2 (en) * | 2015-06-19 | 2020-03-17 | Trane International Inc. | Self-learning fault detection for HVAC systems |
CN105138755A (zh) * | 2015-08-14 | 2015-12-09 | 北京航天试验技术研究所 | 一种液体火箭发动机试验台故障响应生成器的设计方法 |
CN105137844B (zh) * | 2015-08-31 | 2017-09-01 | 广东电网有限责任公司电力科学研究院 | 锅炉调试过程中风险预控方法和*** |
JP6700219B2 (ja) * | 2017-06-02 | 2020-05-27 | 大記 大橋 | 設備管理システム |
US20190102711A1 (en) * | 2017-09-29 | 2019-04-04 | Siemens Industry, Inc. | Approach for generating building systems improvement plans |
WO2019089901A1 (en) * | 2017-11-01 | 2019-05-09 | Honeywell International Inc. | Determining a cause of a fault in an hvac system |
US10989427B2 (en) * | 2017-12-20 | 2021-04-27 | Trane International Inc. | HVAC system including smart diagnostic capabilites |
CN109344983A (zh) * | 2018-10-09 | 2019-02-15 | 珠海格力电器股份有限公司 | 故障检测方法、装置及计算机可读存储介质 |
CN110388733B (zh) * | 2019-07-29 | 2021-11-30 | 广东美的暖通设备有限公司 | 故障风险分析***及方法、空调器和计算机可读存储介质 |
-
2019
- 2019-07-29 CN CN201910686915.5A patent/CN110388733B/zh active Active
-
2020
- 2020-03-05 EP EP20847689.5A patent/EP3940307A4/en active Pending
- 2020-03-05 WO PCT/CN2020/078072 patent/WO2021017469A1/zh unknown
- 2020-03-05 US US17/604,432 patent/US20220214673A1/en active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010025475A (ja) * | 2008-07-22 | 2010-02-04 | Samsung Electronics Co Ltd | 冷凍サイクル機器に用いられる故障診断装置 |
CN104033992A (zh) * | 2014-06-06 | 2014-09-10 | 广东美的暖通设备有限公司 | 多联机空调故障处理方法及空调器 |
CN104930659A (zh) * | 2015-06-24 | 2015-09-23 | 海信(山东)空调有限公司 | 空调运行状态检测方法和*** |
CN104949276A (zh) * | 2015-06-24 | 2015-09-30 | 海信(山东)空调有限公司 | 空调运行状态自检方法和*** |
CN105066322A (zh) * | 2015-07-10 | 2015-11-18 | 珠海格力电器股份有限公司 | 空调器及其故障预警方法和装置 |
CN105805893A (zh) * | 2016-04-15 | 2016-07-27 | 珠海格力电器股份有限公司 | 空调器的故障检测方法和装置 |
CN106052023A (zh) * | 2016-05-30 | 2016-10-26 | 广东美的制冷设备有限公司 | 空调器调试方法和装置 |
CN106196448A (zh) * | 2016-07-12 | 2016-12-07 | 珠海格力电器股份有限公司 | 空调器的故障检测方法和装置 |
CN107562034A (zh) * | 2017-07-14 | 2018-01-09 | 宝沃汽车(中国)有限公司 | 线上故障处理方法及处理*** |
CN107990485A (zh) * | 2017-11-29 | 2018-05-04 | 珠海格力电器股份有限公司 | 空调故障的识别方法、装置和*** |
CN109981309A (zh) * | 2017-12-27 | 2019-07-05 | 青岛海尔洗衣机有限公司 | 家用电器的故障处理方法和*** |
CN109325603A (zh) * | 2018-09-11 | 2019-02-12 | 国网河北省电力有限公司沧州供电分公司 | 故障请求处理方法、装置及终端设备 |
CN109140690A (zh) * | 2018-11-05 | 2019-01-04 | 广东美的暖通设备有限公司 | 空调器的控制方法及空调器 |
CN109357359A (zh) * | 2018-11-06 | 2019-02-19 | 青岛海尔空调器有限总公司 | 空调器故障预诊断的方法、装置和空调器 |
Also Published As
Publication number | Publication date |
---|---|
WO2021017469A1 (zh) | 2021-02-04 |
CN110388733A (zh) | 2019-10-29 |
US20220214673A1 (en) | 2022-07-07 |
EP3940307A1 (en) | 2022-01-19 |
EP3940307A4 (en) | 2022-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110388733B (zh) | 故障风险分析***及方法、空调器和计算机可读存储介质 | |
CN113266973B (zh) | 用于制冷或供热通风与空气调节***的控制***和方法 | |
KR101973652B1 (ko) | Hvac 시스템에 대한 가변 공기 용적 모델링 | |
CN110094842B (zh) | 空调运行状态监测方法 | |
KR100643264B1 (ko) | 공조 시스템에서의 분류형 규칙기반 방식의 고장 진단 방법 | |
US11859846B2 (en) | Cost savings from fault prediction and diagnosis | |
US9644856B1 (en) | System and method for monitoring and controlling an HVAC system | |
CN107525234A (zh) | 一种空调压缩机变频保护的方法及装置 | |
WO2021179250A1 (en) | Systems and methods for controlling variable refrigerant flow systems and equipment using artificial intelligence models | |
CN109357359A (zh) | 空调器故障预诊断的方法、装置和空调器 | |
CN108917112B (zh) | 一种变频外机分级控制自适应的方法及空调器 | |
US20200132327A1 (en) | Methods and systems for hvac inefficiency prediction | |
CN111306706B (zh) | 一种空调联动控制方法及*** | |
CN107120794B (zh) | 空调器运行工况调节方法及空调器 | |
CN110953687B (zh) | 一种空调的健康度评价方法、***及存储介质 | |
WO2020224037A1 (zh) | 多联机空调***的控制方法及装置 | |
CN111023410A (zh) | 一种防高温控制方法、***、存储介质及空调器 | |
CN112665306A (zh) | 一种冰箱远程故障诊断***及其诊断方法 | |
WO2007046791A1 (en) | Remote diagnostics and prognostics for refrigerant systems | |
CN112128919A (zh) | 空调健康状态评价方法、装置、空调和存储介质 | |
CN108709281B (zh) | 空调器的控制方法、***、空调器及计算机设备 | |
KR101830859B1 (ko) | 가상 모델을 이용한 인터넷 데이터 센터의 에너지 진단 방법 | |
CN113063211A (zh) | 中央空调***报警信息智能诊断及售后派单方法 | |
CN111023282A (zh) | 一种室内机自清洁控制方法及空调器 | |
CN115818388A (zh) | 电梯运行状况不良风险监测*** |
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 |