[發明專利]一種基于機器學習的空調健康預測方法

在審

• 申請號: 201910707083.0
• 申請日: 2019-08-01
• 公開（公告）號: CN112303810A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 張勇;李尚松;王紳宇;葛安民
• 申請（專利權）人: 山東朗進科技股份有限公司
• 主分類號: F24F11/38
• 分類號: F24F11/38;F24F11/64;F24F11/65;F24F11/84;F24F11/86;F24F11/88
• 代理公司: 北京元中知識產權代理有限責任公司 11223
• 代理人: 曲艷

1.一種基于機器學習的空調健康預測方法，其特征在于，包括以下步驟：

步驟一、收集空調系統運行的相關參數數據；

步驟二、將收集到的數據按照統一格式存儲到數據庫中；

步驟三、將數據分成訓練數據集和驗證數據集，基于訓練數據通過機器學習算法生成數學模型；

步驟四、通過驗證數據集驗證數學模型的準確性，根據驗證結果調整數學模型參數，使模型輸出結果與實際檢測結果相接近；

步驟五、調用數學模型，并輸入空調系統的實時運行數據，經過模型計算后輸出判斷結果。

2.根據權利要求1所述的一種基于機器學習的空調健康預測方法，其特征在于：所述步驟五中，空調的實時運行數據經過計算后，綜合部件在空調中的作用范圍，輸出對應部件的健康度，所述健康度至少包括健康、亞健康、故障三種狀態。

3.根據權利要求1所述的一種基于機器學習的空調健康預測方法，其特征在于：所述步驟一中所收集的參數數據包括，壓縮機頻率、壓縮機電壓、壓縮機電流、膨脹閥開度、冷媒高壓側壓力、冷媒低壓側壓力、冷凝器溫度、蒸發器溫度、新風閥開度、回風閥開度。

4.根據權利要求1或3所述的一種基于機器學習的空調健康預測方法，其特征在于：所述步驟一中的空調系統是在實驗室環境下運行，通過改變實驗室環境使空調系統在不同工況下運行，以充分收集空調系統在各種工況下的運行參數。

5.根據權利要求1所述的一種基于機器學習的空調健康預測方法，其特征在于：所述步驟二還包括對收集到的數據進行預處理，所述預處理的過程包括，

S1、清除數據中的錯誤點、冗余點和數據的噪聲；

S2、將多個數據源中的數據進行合并，形成一個統一的表格；

S3、找到數據的特征表示，用維度變換來減少數據量；

S4、尋找數據的有用特征，以縮減數據模型。

6.根據權利要求1所述的一種基于機器學習的空調健康預測方法，其特征在于：所述步驟三中基于訓練數據集通過機器學習算法生成數學模型的過程為：

首先通過回歸分析算法分析空調各個參數的變化規律以及發現空調各個參數變量之間的因果關系，然后通過迭代算法，找到與期望輸出值最接近的數據間的函數關系，確定初步的數學模型。

7.根據權利要求1所述的一種基于機器學習的空調健康預測方法，其特征在于：在步驟三中，所述數據按比例分配為訓練數據集和驗證數據集，且訓練數據集所占比例小于驗證數據集。

8.根據權利要求1所述的一種基于機器學習的空調健康預測方法，其特征在于：所述步驟五中，還包括對空調系統的實時運行數據和判斷結果通過顯示設備進行顯示。