[發明專利]故障檢測方法及裝置、存儲介質、電子裝置

在審

• 申請號: 201811332883.0
• 申請日: 2018-11-09
• 公開（公告）號: CN111174370A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 連園園;萬會;高丹;陳道遠
• 申請（專利權）人: 珠海格力電器股份有限公司
• 主分類號: F24F11/38
• 分類號: F24F11/38
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 江舟;董文倩

本發明提供了一種故障檢測方法及裝置、存儲介質、電子裝置，上述方法包括：獲取智能設備發生故障時的信號數據；使用第一模型對所述信號數據進行分析，確定所述智能設備的故障類型，其中，所述第一模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：信號數據，和信號數據對應的故障類型，以至少解決相關技術中無法準確的檢測出智能設備的故障類型等問題。

技術領域

本發明涉及通信領域，具體而言，涉及一種故障檢測方法及裝置、存儲介質、電子裝置。

背景技術

隨著科技的飛速發展，空調變頻技術的發展越來越快，控制參數也越來越多，而其故障原因和現象同樣顯得越來越復雜；傳統技術中的空調的故障表現方式僅僅為通過LED燈，或者掛式空調自帶的數碼管顯示故障代碼，對客戶使用和維修都造成了巨大的麻煩。同時，現在的掛式空調，基本沒有故障智能診斷、檢測、控制功能，極少部分空調器也僅僅針對功能性進行判斷，或者沒有實施方法，或者僅僅通過環境參數等外部參數進行判斷。然而空調的運行是一個動態的、時變的、非線性的過程，故障的表現形式具有不確定性。

針對相關技術中，無法準確的檢測出智能設備的故障類型等問題，尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種故障檢測方法及裝置、存儲介質、電子裝置，以至少解決相關技術中無法準確的檢測出智能設備的故障類型等問題。

根據本發明的一個實施例，提供了一種故障檢測方法，包括：獲取智能設備發生故障時的信號數據；使用第一模型對所述信號數據進行分析，確定所述智能設備的故障類型，其中，所述第一模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：信號數據，和信號數據對應的故障類型。

根據本發明的另一個實施例，還提供了一種故障檢測裝置，包括：獲取模塊，用于獲取智能設備發生故障時的信號數據；分析模塊，用于使用第一模型對所述信號數據進行分析；確定模塊，用于確定所述智能設備的故障類型，其中，所述第一模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：信號數據，和信號數據對應的故障類型。

根據本發明的另一個實施例，還提供了一種存儲介質，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行上述任一項故障檢測方法。

根據本發明的另一個實施例，還提供了一種電子裝置，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行上述任一項故障檢測方法。

通過本發明，獲取智能設備發生故障時的信號數據；使用第一模型對所述信號數據進行分析，確定所述智能設備的故障類型，第一模型為使用多組數據通過機器學習訓練出的，所述多組數據中的每組數據均包括：信號數據，和信號數據對應的故障類型，采用上述技術方案，解決了相關技術中，無法準確的檢測出智能設備的故障類型等問題。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1是根據本發明實施例的故障檢測方法的流程圖；

圖2是根據本發明實施例的故障檢測裝置的結構框圖；

圖3是根據本發明實施例的故障檢測裝置的另一結構框圖；

圖4是根據本發明優選實施例的故障檢測方法的流程圖。

具體實施方式

下文中將參考附圖并結合實施例來詳細說明本發明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。