CN113029617A - 检测空调故障的方法 - Google Patents
检测空调故障的方法 Download PDFInfo
- Publication number
- CN113029617A CN113029617A CN202110113835.8A CN202110113835A CN113029617A CN 113029617 A CN113029617 A CN 113029617A CN 202110113835 A CN202110113835 A CN 202110113835A CN 113029617 A CN113029617 A CN 113029617A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- fault
- parameter
- type
- parameters
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000012423 maintenance Methods 0.000 claims abstract description 22
- 239000000498 cooling water Substances 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 9
- 239000003507 refrigerant Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000004378 air conditioning Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/002—Thermal testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请是关于一种检测空调故障的方法。该方法包括:获取用户发送的空调故障检测指令;所述空调故障检测指令包括:第一空调的身份标识,所述第一空调为待检测空调;根据所述第一空调的身份标识,确定所述第一空调的空调型号;基于所述空调型号确定与所述第一空调对应的第二空调,所述第二空调为与第一空调同型号的正常运行空调;比较所述第一空调和所述第二空调的故障参考参数,根据比较结果确定所述第一空调的故障类型,所述故障参考参数为与空调故障相关的数据参数。本申请提供的方案,能够针对不同型号空调实现线上检测故障空调,精准快速确定空调故障类型,有效地降低空调故障维修的难度,缩短维修时间。
Description
技术领域
本申请涉及空调检测技术领域,尤其涉及一种检测空调故障的方法。
背景技术
传统的空调故障检修是用户发现空调运行效果不良或运转不佳后,由客户进行客户服务报修,维修人员根据客户的描述进行***的判断与分析,从而大致确定空调的故障类型。这种传统的检修方法都是出现故障之后才去检修,对空调的故障类型判断也不准确,导致空调维修被动,效率较低,不能随时对空调进行检测,另外,对于不同型号的空调,由于保护众多且部分安装位置不方便拆开检查和测量,导致空调故障维修的难度加大,维修时间延长,影响客户的使用。
相关技术中,在公布号为CN102748832B的专利(一种空调故障检测方法)中,该检测方法中,检测装置通过WIFI网络与空调进行通讯,然后控制空调控制器对空调进行自检,确定空调的故障点。
上述技术存在以下缺点:
1、空调检修需要在待机状态进行;
2、无法准确确定故障类型。
发明内容
为克服相关技术中存在的问题,本申请提供一种检测空调故障的方法,用于检测空调,该方法是在线上实现空调检测,能够快速、准确地确定空调的故障类型,方便师傅维修时快速找到故障位置,提高检修效率。
本申请提供一种检测空调故障的方法,包括:
获取用户发送的空调故障检测指令;该空调故障检测指令包括:第一空调的身份标识,该第一空调为待检测空调;
根据该第一空调的身份标识,确定该第一空调的空调型号;
基于该空调型号确定与该第一空调对应的第二空调,该第二空调为与第一空调同型号的正常运行空调;
比较该第一空调和该第二空调的故障参考参数,根据比较结果确定该第一空调的故障类型,该故障参考参数为与空调故障相关的数据参数。
在一种实施方法中,比较该第一空调和该第二空调的故障参考参数之前,包括:
根据该空调故障检测指令,对该第一空调的故障参考参数进行逐一测试,得到第一故障参考参数;
将该第一空调的第一故障参考参数形成第一电子数据表格;
根据该第一电子数据表格创建第一虚拟空调。
在一种实施方法中,比较该第一空调和该第二空调的故障参考参数之前,还包括:
对该第二空调的故障参考参数进行逐一测试,得到第二故障参考参数;
将该第二故障参考参数形成第二电子数据表格;
根据该第二电子数据表格创建第二虚拟空调。
在一种实施方法中,比较该第一空调和该第二空调的故障参考参数,包括:
将该第一虚拟空调的第一故障参考参数和该第二虚拟空调的第二故障参考参数进行逐一对比。
在一种实施方法中,该第一空调的故障类型,包括:A类故障和B类故障;
该A类故障包括以下至少一项:冷凝器堵塞,电压过低,电压过高,进水温度过低,进水温度过高,水流量小,空调噪音过大,房间负荷大和风机不转;
该B类故障包括以下至少一项:制冷剂过多,制冷剂不足,膨胀阀开度小和膨胀阀开度大。
在一种实施方法中,与该第一空调的故障类型对应的,该故障参考参数的类型包括:A类故障参考参数和B类故障参考参数;
该A类故障参考参数包括以下至少一项:冷却水进水温度参数,冷却水出水温度参数,吸气温度参数,排气温度参数,电压参数,频率参数,送风湿度参数,进风湿度参数,空调风速参数和噪声参数;
该B类故障参考参数包括以下至少一项:房间温度参数,冷凝器出口温度参数,排气压力参数和吸气压力参数。
在一种实施方法中,该确定该第一空调的故障类型之后,包括:
若该第一空调的故障类型为B类故障,则输出B类故障的分析结果;
若该第一空调的故障类型为A类故障,则调用A类故障分类表,根据该A类故障分类表确定该第一空调的潜在故障子类,该A类故障分类表为A类故障中任一故障类型对应的潜在故障子类的映射关系表。
在一种实施方法中,根据该A类故障分类表确定该第一空调的潜在故障子类之后,包括:
根据该潜在故障子类指示该第一空调进行进一步检测;
或,
根据该潜在故障子类生成该第一空调的故障报告,该故障报告是提供给空调维修人员进行检修的参考数据。
在一种实施方法中,根据该第一空调的身份标识确定该第一空调的空调型号之后,包括:
基于该空调型号确定与该第一空调对应的第三空调,获取该第三空调的第三故障参考参数;该第三空调为与第一空调同型号且与该第一空调处于同一个目标区域内的故障空调;
比较该第一故障参考参数与该第三故障参考参数,确定故障参考参数比较的相似度比例。
在一种实施方法中,确定故障参考参数比较的相似度比例之后,包括:
若该相似度比例大于或等于70%,则输出第一信号,该第一信号表示该第一空调运行存在严重故障;
若该相似度比例大于或等于30%且小于70%,则输出第二信号,该第二信号表示该第一空调运行存在一般故障;
若该相似度比例小于30%,则输出第三信号,该第三信号表示该第一空调运行正常。
本申请提供的技术方案通过是物联网技术将待检测空调、故障空调和正常运行空调连接到服务器,根据用户下达的检测指令,取得待检测空调的空调型号,再根据待检测空调的型号分别找到同型号的目标区域内故障空调和正常运行空调;通过服务器对正常运行空调的参考参数功能进行逐一检测并记录,同时服务器获取目标区域内故障空调的故障参考参数,根据所得参考参数虚拟仿真待检测空调正常和运行空调的参考参数,根据参考参数仿真故障空调和正常运行空调;比较待检测空调和正常运行空调的参考参数,确定待检测空调故障类型。通过上述方式可以针对不同型号空调实现线上检测故障空调,能精准快速确定空调故障类型,有效地降低空调故障维修的难度,缩短维修时间。
本申请的技术方案还可以根据比较待检测空调和目标区域内故障的空调各参考参数结果,确定出潜在的空调故障类型。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的检测空调故障方法流程示意图;
图2是本申请实施例示出的检测空调故障方法的另一流程示意图;
图3本申请实施例示出的检测空调故障方法装置的结构示意图;
图4申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
传统的检测修查都是由用户进行客户服务报修,维修人员根据客户的描述对空调***进行检测和分析,对空调的故障因素和故障类型判断不够准确,导致空调维修被动,维修效率较低。
针对上述问题,本申请实施例提供一种检测空调故障的方法,能够通过线上检测空调,准确确定故障因素和故障类型。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的检测空调故障的方法流程示意图。
参见图1,本申请实施例中检测空调故障的方法的一个实施例包括:
101、获取用户发送的空调故障检测指令,该空调故障检测指令包括:第一空调的身份标识,该第一空调为待检测空调;
根据用户的意愿,对待检测空调下达检测指令,服务器接收到用户发送的空调故障检测指令,该空调故障检测指令是由用户使用第一空调的终端对服务器发送的指令,服务器接收到用户发送的空调故障检测指令后,可以确定待检测空调的通讯地址,再根据该通讯地址获取第一空调的身份标识。检测空调的身份标识包括有空调的生产厂商、生产日期、类型、匹数和生产型号等,其中空调类型又分壁挂式空调和立柜式空调。
在本申请实施例中,服务器是一种比普通计算机运行更快、负载更高、价格更贵的计算机,主要提供计算和应用服务。本服务器具有高速的运算能力、强大的外部数据吞吐能力和扩展性,承担响应服务请求、承担服务和保障服务等。
102、根据该第一空调的身份标识,确定该第一空调的空调型号;
在本申请实施例中,得到了待检测空调的身份标识信息,还需确定该待检测空调的空调型号,该空调型号可以为空调的生产厂商和生产型号,确定该待检测空调的空调型号还包括其他方法,例如:根据空调身份标识中的生产厂家、空调类型和空调匹数等参数,也能够确定空调型号。
在实际应用中,根据有限的空调身份标识难以确定主要的空调型号参数时,或在部分标识识别不完整或错漏时,可以在服务器中手动输入空调标识确定空调型号。
103、基于该空调型号确定与该第一空调对应的第二空调,该第二空调为与第一空调同型号的正常运行空调;
在本申请实施例中,该第一空调对应的第二空调是服务器根据第一空调的型号找到空调,在服务器中,对所有型号的空调都有正常运行状态下的运行信息资料,根据信息资料找到与第一空调同型号的第二空调,该第二空调为与待检测空调同型号的空调正常运行空调,第二空调除了型号与第一空调的型号一致外,在其他参数方面不必一致,例如:第一空调已经使用了3年,第二空调使用了1年,只要第二空调能正常运行,第二空调仍符合可比较条件。
104、比较该第一空调和该第二空调的故障参考参数,根据比较结果确定该第一空调的故障类型,该故障参考参数为与空调故障相关的数据参数。
在本申请实施例中,在服务器执行操作指令时,比较该第一空调和该第二空调的故障参考参数之前还有:根据该空调故障检测指令,对该第一空调的故障参考参数和第二空调的故障参考参数分别进行逐一测试,得到第一故障参考参数和第二故障参考参数。例如,服务器通过第一空调的身份标识确定第一空调的通讯地址,再根据通讯地址向第一空调发送参数检测指令,第一空调根据参数检测指令,最后通过空调内部的传感器检测各项参考参数,并向服务器反馈检测,得到第一参考参数;第一故障参考参数为待检测空调的参考参数,其中可能包含存在非正常运行范围内的参考参数;第二故障参考参数为正常运行空调的参考参数,各个参考参数均为正常运行状态下的参数值;在服务器无法获取第二空调的故障参考参情况下,第二故障参考参数为取自储存在服务器中的初始正常运行情况下的参考参数;
该第一空调和第二空调根据故障检测指令,将第一空调的第一故障参考参数和第二故障参考参数传输到服务器的处理器中,经过服务器处理成形成第一电子数据表格和第二电子数据表格;电子数据表格(Spreadsheet),又称电子数据表,是一类模拟纸上计算表格的计算机程序,由一系列行与列构成的网格显示,且单元格内可以存放数值、计算式、或文本;
服务器通过虚拟仿真将第一电子数据表格创建第一虚拟空调,将第二电子数据表格创建第二虚拟空调;第一虚拟空调为待检修虚拟空调,第二虚拟空调为正常运行虚拟空调;虚拟仿真(Virtual Reality)或仿真(simulation)技术,就是用一个***模仿另一个真实***的技术;虚拟仿真实际上是一种可创建和体验虚拟世界(Virtual World)的计算机***,是以仿真的方式给用户创造一个实时反映实体对象变化与相互作用的三维虚拟世界,并通过头盔显示器(Head Mounted Display)、数据手套等辅助传感设备,提供用户一个观测与该虚拟世界交互的三维界面,使用户可直接参与并探索仿真对象在所处环境中的作用与变化。
在本申请实施例中,在服务器运算时,所述第一空调和该第二空调的故障参考参数可分为A类故障参考参数和B类故障参考参数,其中,A类故障参考参数为不能直接判断故障类型的故障参考参数,需要进行一步分析才能确定故障类型,包含有以下至少一项:冷却水进水温度参数,冷却水出水温度参数,吸气温度参数,排气温度参数,电压参数,频率参数,送风湿度参数,进风湿度参数,空调风速参数和噪声参数等;B类故障参考参数为可直接判断故障类型的故障参考参数,包含有一下至少一项:房间温度参数,冷凝器出口温度参数,排气压力参数和吸气压力参数。
在本申请实施例中,在A类故障参考参数中,冷却水进水温度参数为冷却水进入空调内部的初始温度参数,冷却水出水温度参数为冷却水流出空调的水温度参数,吸气温度参数是指风进行空调主机时的温度参数,排气温度参数是指从空调外机内排出的气体温度,电压参数指的是空调运行时主机电压读数,频率参数指示的是空调运行时主机的频率读数,送风湿度参数指的是空调内机输送冷气或者暖气时气体水含量百分比,进风湿度参数是指进入空调外机的空气的含水百分比,空调风速参数指的是空调内外送风速度读数,噪声参数指的是空调运行时发出的噪声读数。
在本申请实施例中,在B类故障参考参数中,房间温度参数指的是空调运行到一定时间时,房间内的温度读数,例如,在空调运行1小时后,达到了预设的状态,通过温度传感器读取房间内的温度;冷凝器出口温度指的是空气在空调出口处冷凝器位置时,常未出到房间的空气温度读数;排气压力参数指的是空调运行时排出空气的压力读数;吸气压力参数指的是空调运行时吸入空气的压力读数。
在本申请实施例中,A类故障为维修工作更复杂的故障类型,包含:冷凝器堵塞,电压过低,电压过高,进水温度过低,进水温度过高,水流量小,空调噪音过大,房间负荷大和风机不转等;B类故障为维修工作简便的故障类型,包含:制冷剂过多,制冷剂不足,膨胀阀开度小和膨胀阀开度大等。A类故障参考参数对应A类故障,B类故障参考参数对应B类故障,例如,若第一空调的A类故障参考参数冷却水出水温度大于第二空调的A类故障参考参数冷却水出水温度,则第一空调冷凝器堵塞,属于A类故障;若第一空调的B类故障参考参数排气压力大于第二空调的B类故障参考参数排气压力,则第一空调膨胀阀开度小,属于B类故障。
在本申请实施例中,在服务器运算时,将该第一空调和该第二空调的故障参考参数一一比较包括:该第一空调的冷却水进水温度参数与第二空调的冷却水进水温度参数比较、该第一空调的冷却水出水温度参数与第二空调的冷却水出水温度参数比较等,例如,第一空调的吸气温度参数与第二空调的吸气温度参数比较。
在本申请实施例中,在服务器运算时,根据比较结果确定该第一空调的故障类型,该故障参考参数为与空调故障相关的数据参数;一一比较第一空调和第二空调的故障参考参数后,有二种结果:第一空调所有故障参考参数均不等于第二空调所有故障参考参数;第一空调所有故障参考参数均等于第二空调所有故障参考参数;若第一空调所有故障参考参数均不等于第二空调所有故障参考参数,则第一空调均存在空调故障问题,若第一空调所有故障参考参数均等于第二空调所有故障参考参数,则第一空调不存在故障问题。例如,第一空调的吸气温度参数等于第二空调的吸气温度参数、第一空调的排气温度参数大于第二空调的排气温度参数,则第一空调必定存在故障。
在本申请实施例中,在服务器运算时,比较该第一空调和该第二空调的故障参考参数,根据比较结果确定该第一空调的故障类型之后,包括:
若该第一空调的故障类型为B类故障,则输出B类故障的分析结果,例如,根据比较结果确定该第一空调的故障类型为B类故障制冷剂过多,则输出制冷剂过多分析结果;
若该第一空调的故障类型为A类故障,则调用A类故障分类表,根据该A类故障分类表确定该第一空调的潜在故障子类,该A类故障分类表为A类故障中任一故障类型对应的潜在故障子类的映射关系表。例如,根据比较结果确定该第一空调的故障类型为A类故障电压过低,将A类故障中任一故障类型对应的潜在故障子类的映射关系,即电压过低对应故障原因分别为供电不足、主机变压器出现故障等导致。映射关系(Object Relational Mapping)是一种程序设计技术,用于实现面向对象编程语言里不同类型***的数据之间的转换,从效果上说,它其实是创建了一个可在编程语言里使用的“虚拟对象数据库”;潜在故障子类是指对运行中的设备如不采取预防性维修和调整措施,再继续使用到某个时候会发生的故障集合,包括有:冷凝器堵塞、电压过低和电压过高等故障。
在本申请实施例中,在服务器运算中,根据该A类故障分类表确定该第一空调的潜在故障子类之后,根据该潜在故障子类指示该第一空调进行进一步检测或根据该潜在故障子类生成该第一空调的故障报告,该故障报告是提供给空调维修人员进行检修的参考数据。例如,假如该潜在故障子类指示该第一空调对电压过高进行进一步检测,根据可能造成电压过高的零部件进行核查,确定潜在故障原因;或输出潜在故障子类生成的第一空调的故障报告,供给维修人员参考。
在实际应用中,第一空调故障参考参数往往不等于第二空调故障参考参数,在面对第一空调与第二空调故障参考参数一致的那些故障参考参数时,可以筛选过滤掉一致的故障参考参数,确定为该类故障无故障问题;对于A类故障需要更进一步确定细节,才能准确确定A类故障的真正原因。
本申请技术方案根据用户操作指令对待检测空调(即,第一空调)进行检测,获取第一空调的型号,根据第一空调的型号确定第二空调(即,正常运行空调),服务器接收用户操作指令后,根据第一空调的通讯地址,向第一空调和第二空调发送参数检测指令,分别得到第一参考参数和第二参考参数,比较该第一参考参数和该第二参考参数,确定第一空调的故障类型,在线上确定空调的故障类型,直接提升维修人员的维修效率,有效地降低空调故障维修的难度。
为了便于理解,以下提供了检测空调故障方法的一个应用实施例进行说明,请参阅图2,本申请实施例中检测空调故障方法的一个实施例包括:
在本申请实施例中,分别对待检测空调(即,第一空调)通过与故障空调(即,第三空调)发送检测参考参数指令,分别获取待第一空参考参数和第三空调参考参数,比较该第一空参考参数和第三空调参考参数的相似度,根据比较结果输出第一空调的故障程度。
201、根据该第一空调的身份标识确定该第一空调的空调型号;
在本申请实施例中,得到了待检测空调的身份标识信息,还需确定该待检测空调的空调型号,该空调型号可以为空调的生产厂商和生产型号,确定该待检测空调的空调型号还包括其他方法,例如:根据空调身份标识中的生产厂家、空调类型和空调匹数等参数,也能够确定空调型号。
在实际应用中,根据有限的空调身份标识难以确定主要的空调型号参数时,或在部分标识识别不完整或错漏时,可以在服务器中手动输入空调标识确定空调型号。
202、基于该空调型号确定与该第一空调对应的第三空调,获取该第三空调的第三故障参考参数;该第三空调为与第一空调同型号且与该第一空调处于同一个目标区域内的故障空调;
在本申请实施例中,该第三空调为与第一空调同型号相同且处于同一片空调安装区域内的故障空调,即,第三空调是第一空调的所在区域内的故障空调样本,该故障空调样本包含该片区域内的故障类型参考参数特征,与第一空调具有可比性质。例如,在同一住宅区内,该住宅内同一型号的空调共发生了20类的故障,其中20类的故障原因有以下内容,排气温度过高,电压参数过高,频率低,送风湿度低,进风湿度高和空调风速慢等原因,每种故障原因都有对应的参考参数异常引起,通过与故障空调的参考参数比较,可以发现第一空调的潜在故障类型。
第三空调的第三故障参考参数是通过服务器长期监测形成的电子数据表格集合,电子数据表格里包含有故障空调的类型以及对应的故障参考参数,故障空调的故障类型和对应的参考参数是有限的数据集合,电子数据表格集合里的故障参考参数是区域内所有的故障参考参数集合。
203、比较该第一故障参考参数与该第三故障参考参数,确定故障参考参数比较的相似度比例;
比较第一故障参考参数与第三故障参考参数,是服务区通过建立虚拟仿真比较的,例如,服务器根据电子数据表格的参数虚拟仿真第一虚拟空调和第三虚拟空调,第一虚拟空调和第三虚拟空调中各故障参考参数均在虚拟空调对应的位置上,分别读取并记录第一虚拟空调和第三虚拟空调上的故障参考参数数量,通过公式计算相似度比例;
计算公式一为:相似度比例=第一空调出现故障的参考参数个数/第三空调所有故障的参考参数的个数;
各个故障参考参数均由所在位置的传感器读取记录,所以故障参考参数的在虚拟空调中位置是由所在读数数据的装置确定的,通过在虚拟空调中标识故障参考参数的位置,在服务器中,可以快速知道故障原因所在的位置。
204、根据该故障参考参数比较的相似度比例,输出比较结果。
在本申请实施例中,比较结果是通过故障参考参数相似度比例与服务器预设值比较大小确定的,比较结果有三个方向,如下:
若该相似度比例大于或等于70%,则输出第一信号,该第一信号表示该第一空调运行存在严重故障;
若该相似度比例大于或等于30%且小于70%,则输出第二信号,该第二信号表示该第一空调运行存在一般故障;
若该相似度比例小于30%,则输出第三信号,该第三信号表示该第一空调运行正常。
例如,假设第三故障参考参数共有20组,经服务器计算确定第一虚拟空调的故障参考参数与第三故障参考参数吻合的参考参数共有10组,通过计算公式一计算得出,故障参考参数相似度比例为50%,参数相似度比例在预设值30%至70%,可以确定相似度比例大于30%且小于70%,服务器输出第二信号,表示第一空调运行存在一般故障,需要安排维修工人进行维修。
本申请技术方案根据用户操作指令对待检测空调(即,第一空调)进行检测,获取第一空调的型号,根据第一空调的型号确定第三空调(即,故障空调),服务器接收用户操作指令后,根据第一空调的通讯地址发送参数检测指令,得到第一参考参数,通过计算公式一计算该第一参考参数与该第三参考参数的相似度比例,根据相似度比例与预设值的比较结果确定第一空调的是否故障,故障严重程度,在线上直接预判空调的故障,提前预防空调损坏。
图3是申请实施例示出的检测空调故障方法结构示意图。
参见图4,结构示意图包括:待检测空调A、正常运行空调B、待检测空调虚拟空调A1、正常运行虚拟空调B1、故障虚拟空调C1、服务器E、用户C和检测人员D。
用户C需要检测待检测空调A,通过移动终端向服务器E发送检测指令,服务器E接收到待检测空调A发送的指令后,根据待检测空调A的型号和通讯地址,获取该区域的故障空调故障参考参数,确定正常运行空调B,再分别对待检测空调A和正常运行空调B下发在线故障测试指令,待检测空调A和正常运行空调B接收到指令后,开启故障逐一测试功能,对各故障参考参数读数并记录,测试结束后将测试结果以电子数据表格的形式发送到服务器。
服务器接收到待检测空调A和正常运行空调B的故障参考参数电子数据表格通过虚拟仿真构建成待检测空调虚拟空调A1和正常运行虚拟空调B1,同时根据该区域的故障空调故障参考参数构建故障虚拟空调C1。
服务器逐一比较待检测空调虚拟空调A1和正常运行虚拟空调B1的故障参考参数,确定待检测空调的故障类型,输出故障种类或故障报告;同时,通过公式一计算正常运行虚拟空调B1与故障虚拟空调C1的故障参考参数相似度比例,将参考参数相似度比例与预设值比较,输出待检测空调的故障状况。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图4是本申请实施例示出的电子设备的结构示意图。
参见图4,电子设备400包括存储器410和处理器420。
处理器420可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable 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、分立硬件组件等。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。
存储器410可以包括各种类型的存储单元,例如***内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器420或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器410可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器410可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器410上存储有可执行代码,当可执行代码被处理器420处理时,可以使处理器420执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。本领域技术人员也应该知悉,说明书中所涉及的动作和模块并不一定是本申请所必须的。另外,可以理解,本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时,使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是,结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的***和方法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、程序段或代码的一部分,所述模块、程序段或代码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。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。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操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例,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的改进,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 (12)
1.一种检测空调故障的方法,其特征在于:
获取用户发送的空调故障检测指令;所述空调故障检测指令包括:第一空调的身份标识,所述第一空调为待检测空调;
根据所述第一空调的身份标识,确定所述第一空调的空调型号;
基于所述空调型号确定与所述第一空调对应的第二空调,所述第二空调为与第一空调同型号的正常运行空调;
比较所述第一空调和所述第二空调的故障参考参数,根据比较结果确定所述第一空调的故障类型,所述故障参考参数为与空调故障相关的数据参数。
2.根据权利要求1所述的方法,其特征在于,所述比较所述第一空调和所述第二空调的故障参考参数之前,包括:
根据所述空调故障检测指令,对所述第一空调的故障参考参数进行逐一测试,得到第一故障参考参数;
将所述第一空调的第一故障参考参数形成第一电子数据表格;
根据所述第一电子数据表格创建第一虚拟空调。
3.根据权利要求2所述的方法,其特征在于,所述比较所述第一空调和所述第二空调的故障参考参数之前,还包括:
对所述第二空调的故障参考参数进行逐一测试,得到第二故障参考参数;
将所述第二故障参考参数形成第二电子数据表格;
根据所述第二电子数据表格创建第二虚拟空调。
4.根据权利要求1所述的方法,其特征在于,所述比较所述第一空调和所述第二空调的故障参考参数,包括:
将所述第一虚拟空调的第一故障参考参数和所述第二虚拟空调的第二故障参考参数进行逐一对比。
5.根据权利要求1所述的方法,其特征在于,所述第一空调的故障类型,包括:A类故障和B类故障;
所述A类故障包括以下至少一项:冷凝器堵塞,电压过低,电压过高,进水温度过低,进水温度过高,水流量小,空调噪音过大,房间负荷大和风机不转;
所述B类故障包括以下至少一项:制冷剂过多,制冷剂不足,膨胀阀开度小和膨胀阀开度大。
6.根据权利要求1所述的方法,其特征在于,与所述第一空调的故障类型对应的,所述故障参考参数的类型包括:A类故障参考参数和B类故障参考参数;
所述A类故障参考参数包括以下至少一项:冷却水进水温度参数,冷却水出水温度参数,吸气温度参数,排气温度参数,电压参数,频率参数,送风湿度参数,进风湿度参数,空调风速参数和噪声参数;
所述B类故障参考参数包括以下至少一项:房间温度参数,冷凝器出口温度参数,排气压力参数和吸气压力参数。
7.根据权利要求1所述的方法,其特征在于,所述确定所述第一空调的故障类型之后,包括:
若所述第一空调的故障类型为B类故障,则输出B类故障的分析结果;
若所述第一空调的故障类型为A类故障,则调用A类故障分类表,根据所述A类故障分类表确定所述第一空调的潜在故障子类,所述A类故障分类表为A类故障中任一故障类型对应的潜在故障子类的映射关系表。
8.根据权利要求6所述的方法,其特征在于,所述根据所述A类故障分类表确定所述第一空调的潜在故障子类之后,包括:
根据所述潜在故障子类指示所述第一空调进行进一步检测;
或,
根据所述潜在故障子类生成所述第一空调的故障报告,所述故障报告是提供给空调维修人员进行检修的参考数据。
9.根据权利要求1所述的方法,其特征在于,所述根据所述第一空调的身份标识确定所述第一空调的空调型号之后,包括:
基于所述空调型号确定与所述第一空调对应的第三空调,获取所述第三空调的第三故障参考参数;所述第三空调为与第一空调同型号且与所述第一空调处于同一个目标区域内的故障空调;
比较所述第一故障参考参数与所述第三故障参考参数,确定故障参考参数比较的相似度比例。
10.根据权利要求9所述的方法,其特征在于,所述确定故障参考参数比较的相似度比例之后,包括:
若所述相似度比例大于或等于70%,则输出第一信号,所述第一信号表示所述第一空调运行存在严重故障;
若所述相似度比例大于或等于30%且小于70%,则输出第二信号,所述第二信号表示所述第一空调运行存在一般故障;
若所述相似度比例小于30%,则输出第三信号,所述第三信号表示所述第一空调运行正常。
11.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1中任一项所述的方法。
12.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110113835.8A CN113029617B (zh) | 2021-01-27 | 2021-01-27 | 检测空调故障的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110113835.8A CN113029617B (zh) | 2021-01-27 | 2021-01-27 | 检测空调故障的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113029617A true CN113029617A (zh) | 2021-06-25 |
CN113029617B CN113029617B (zh) | 2022-10-11 |
Family
ID=76459375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110113835.8A Active CN113029617B (zh) | 2021-01-27 | 2021-01-27 | 检测空调故障的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113029617B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113819575A (zh) * | 2021-08-18 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN113834185A (zh) * | 2021-08-18 | 2021-12-24 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN114646352A (zh) * | 2022-04-08 | 2022-06-21 | 华能海南发电股份有限公司海口电厂 | 基于磨煤机基本运行参数判断磨煤机故障的方法及*** |
WO2023020078A1 (zh) * | 2021-08-18 | 2023-02-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN116594802A (zh) * | 2023-07-17 | 2023-08-15 | 深圳开鸿数字产业发展有限公司 | 设备故障预测方法、计算机设备和计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354206A (zh) * | 2011-07-25 | 2012-02-15 | 山东建筑大学 | 物联网环境下基于数据融合的空调故障诊断***及方法 |
JP2012117752A (ja) * | 2010-12-01 | 2012-06-21 | Nippon Telegr & Teleph Corp <Ntt> | 冷蔵庫の冷却性能劣化診断システムおよび冷蔵庫の冷却性能劣化診断方法 |
CN102997370A (zh) * | 2012-12-13 | 2013-03-27 | Tcl空调器(中山)有限公司 | 空调器室温检测方法及装置 |
CN103871194A (zh) * | 2014-03-17 | 2014-06-18 | 广东美的制冷设备有限公司 | 空调及其检测方法和*** |
CN104319766A (zh) * | 2014-10-29 | 2015-01-28 | 四川慧盈科技有限责任公司 | 一种楼宇空调设备供电及监控方法 |
CN104697128A (zh) * | 2015-03-05 | 2015-06-10 | 美的集团股份有限公司 | 空调器及其故障检测方法 |
CN104964397A (zh) * | 2015-07-14 | 2015-10-07 | 熊益冲 | 一种非智能空调节能监控的方法及物联网*** |
CN105721284A (zh) * | 2016-02-01 | 2016-06-29 | 四川长虹电器股份有限公司 | 一种通过社交软件控制空调的方法 |
-
2021
- 2021-01-27 CN CN202110113835.8A patent/CN113029617B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012117752A (ja) * | 2010-12-01 | 2012-06-21 | Nippon Telegr & Teleph Corp <Ntt> | 冷蔵庫の冷却性能劣化診断システムおよび冷蔵庫の冷却性能劣化診断方法 |
CN102354206A (zh) * | 2011-07-25 | 2012-02-15 | 山东建筑大学 | 物联网环境下基于数据融合的空调故障诊断***及方法 |
CN102997370A (zh) * | 2012-12-13 | 2013-03-27 | Tcl空调器(中山)有限公司 | 空调器室温检测方法及装置 |
CN103871194A (zh) * | 2014-03-17 | 2014-06-18 | 广东美的制冷设备有限公司 | 空调及其检测方法和*** |
CN104319766A (zh) * | 2014-10-29 | 2015-01-28 | 四川慧盈科技有限责任公司 | 一种楼宇空调设备供电及监控方法 |
CN104697128A (zh) * | 2015-03-05 | 2015-06-10 | 美的集团股份有限公司 | 空调器及其故障检测方法 |
CN104964397A (zh) * | 2015-07-14 | 2015-10-07 | 熊益冲 | 一种非智能空调节能监控的方法及物联网*** |
CN105721284A (zh) * | 2016-02-01 | 2016-06-29 | 四川长虹电器股份有限公司 | 一种通过社交软件控制空调的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113819575A (zh) * | 2021-08-18 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN113834185A (zh) * | 2021-08-18 | 2021-12-24 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN113834185B (zh) * | 2021-08-18 | 2022-12-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
WO2023020078A1 (zh) * | 2021-08-18 | 2023-02-23 | 青岛海尔空调器有限总公司 | 用于空调的控制方法、装置和服务器 |
CN114646352A (zh) * | 2022-04-08 | 2022-06-21 | 华能海南发电股份有限公司海口电厂 | 基于磨煤机基本运行参数判断磨煤机故障的方法及*** |
CN116594802A (zh) * | 2023-07-17 | 2023-08-15 | 深圳开鸿数字产业发展有限公司 | 设备故障预测方法、计算机设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113029617B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113029617B (zh) | 检测空调故障的方法 | |
US7444251B2 (en) | Detecting and diagnosing faults in HVAC equipment | |
Yuill et al. | Evaluating the performance of fault detection and diagnostics protocols applied to air-cooled unitary air-conditioning equipment | |
US11609010B2 (en) | Detection of refrigerant side faults | |
CN114353854B (zh) | 用于在线定位异常传感器的方法、设备和介质 | |
CN109117327A (zh) | 一种硬盘检测方法及装置 | |
US11644206B2 (en) | HVAC system prognostics and diagnostics based on temperature rise or drop | |
CN112648710B (zh) | 排气温度传感器故障检测方法、装置及空调设备 | |
CN108224682A (zh) | 空调设备及空调控制装置和空调调试方法 | |
CN106595152A (zh) | 一种空调冷媒循环异常的确定方法、装置及空调 | |
CN109344983A (zh) | 故障检测方法、装置及计算机可读存储介质 | |
US20210108857A1 (en) | Detecting loss of charge in hvac systems | |
CN109357357A (zh) | 压缩机排气温度检测异常的诊断方法、多联机及存储介质 | |
WO2023127329A1 (ja) | 異常検知装置、方法、およびプログラム | |
JP2021076309A (ja) | 推定方法、推定装置、プログラム及び学習済みモデルの生成方法 | |
CN115111703B (zh) | 用于水冷空调脏堵检测的方法、终端及存储介质 | |
US11573022B2 (en) | Sound-based HVAC system, method and device for diagnostics analysis | |
CN104748319A (zh) | 多机组空调***控制方法、装置和多机组空调*** | |
CN113007864A (zh) | 空调室外机的检测方法和装置 | |
Haves et al. | Model-based performance monitoring: Review of diagnostic methods and chiller case study | |
Laughman | Fault detection methods for vapor-compression air conditioners using electrical measurements | |
WO2023175941A1 (ja) | 故障判定システム及び故障判定方法 | |
TWI751502B (zh) | 冰水主機的性能評估方法 | |
CN115358352B (zh) | 用于定位异常传感器的方法、设备和介质 | |
CN113408130B (zh) | 焓差实验室的设备异常诊断方法、焓差实验室的控制设备及计算机可读存储介质 |
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 |