[發明專利]一種空調的結霜檢測方法、裝置、存儲介質及設備

有效

• 申請號: 201710829628.6
• 申請日: 2017-09-15
• 公開（公告）號: CN107860099B
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 劉佰蘭;黃輝;宋德超;陳翀;田濤
• 申請（專利權）人: 珠海格力電器股份有限公司
• 主分類號: F24F11/41
• 分類號: F24F11/41;F24F11/58;F24F11/65;F24F110/12;F24F110/22
• 代理公司: 北京煦潤律師事務所 11522
• 代理人: 朱清娟;何懷燕

1.一種空調的結霜檢測方法，其特征在于，包括：

利用人工神經網絡的自學習能力，建立制熱模式下空調的運行參數與冷凝器的結霜狀態之間的對應關系；

獲取空調的當前運行參數；

通過所述對應關系，確定與所述當前運行參數對應的當前結霜狀態；確定與所述當前運行參數對應的當前結霜狀態，包括：將所述對應關系中與所述當前運行參數相同的運行參數對應的結霜狀態，確定為當前結霜狀態。

2.根據權利要求1所述的方法，其特征在于，其中，

所述運行參數，包括：環境參數和/或工作參數，和/或由按設定規律自所述環境參數、所述工作參數中提取的特征組成的一維或兩維以上的數組；其中，

所述環境參數，包括：室內外環境溫度、用戶體表溫度、室內外環境濕度中的至少之一；和/或，

所述工作參數，包括：設定溫度、設定風速、設定風檔、冷凝器溫度、室外風機運行電流中的至少之一；

和/或，

所述對應關系，包括：函數關系；

所述運行參數為所述函數關系的輸入參數，所述結霜狀態為所述函數關系的輸出參數；

確定與所述當前運行參數對應的當前結霜狀態，還包括：

當所述對應關系包括函數關系時，將所述當前運行參數輸入所述函數關系中，確定所述函數關系的輸出參數為當前結霜狀態。

3.根據權利要求1或2所述的方法，其特征在于，建立制熱模式下空調的運行參數與冷凝器的結霜狀態之間的對應關系，包括：

獲取用于建立所述運行參數與所述結霜狀態之間的對應關系的樣本數據；

分析所述運行參數的特性及其規律，根據所述特性及其規律，確定所述人工神經網絡的網絡結構及其網絡參數；

使用所述樣本數據，對所述網絡結構和所述網絡參數進行訓練和測試，確定所述運行參數與所述結霜狀態的所述對應關系。

4.根據權利要求3所述的方法，其特征在于，獲取用于建立所述運行參數與所述結霜狀態之間的對應關系的樣本數據，包括：

收集空調在不同使用環境下的運行數據和結霜狀態；

對所述運行數據進行分析、并結合預存的專家經驗信息，選取與所述結霜狀態相關的數據作為所述運行參數；

將所述結霜狀態、以及選取的所述運行參數構成的數據對，作為樣本數據。

5.根據權利要求4所述的方法，其特征在于，

收集空調在不同使用環境下的運行數據，包括：

獲取空調在實驗室模擬環境下的所述運行參數，和/或，

獲取通過物聯網技術搜集用戶實際使用空調時的所述運行參數；

和/或，

所述網絡結構，包括：BP神經網絡、CNN神經網絡、RNN神經網絡、殘差神經網絡中的至少之一；和/或，

所述網絡參數，包括：輸入節點數、輸出節點數、隱層數、隱節點數、初始權值、偏置值中的至少之一。

6.根據權利要求3所述的方法，其特征在于，

對所述網絡結構和所述網絡參數進行訓練，包括：

選取所述樣本數據中的一部分數據作為訓練樣本，將所述訓練樣本中的所述運行參數輸入到所述網絡結構，通過所述網絡結構的激活函數和所述網絡參數進行訓練，得到實際訓練結果；

確定所述實際訓練結果與所述訓練樣本中的相應結霜狀態之間的實際訓練誤差是否滿足設定訓練誤差；

當所述實際訓練誤差滿足所述設定訓練誤差時，確定對所述網絡結構和所述網絡參數的所述訓練完成；

和/或，

對所述網絡結構和所述網絡參數進行測試，包括：

選取所述樣本數據中的另一部分數據作為測試樣本，將所述測試樣本中的所述運行參數輸入到所述訓練完成的所述網絡結構中，以所述激活函數和所述訓練完成的所述網絡參數進行測試，得到實際測試結果；

確定所述實際測試結果與所述測試樣本中的相應結霜狀態之間的實際測試誤差是否滿足設定測試誤差；

當所述實際測試誤差滿足所述設定測試誤差時，確定對所述網絡結構和所述網絡參數的所述測試完成。