[發(fā)明專利]一種基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法

在審

• 申請?zhí)枺?/td>: 202011311463.1
• 申請日: 2020-11-20
• 公開（公告）號: CN112503721A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 蔡鈞;樊森;周強;何明
• 申請（專利權(quán)）人: 國網(wǎng)江蘇綜合能源服務(wù)有限公司
• 主分類號: F24F11/38
• 分類號: F24F11/38;F24F11/64
• 代理公司: 北京紀凱知識產(chǎn)權(quán)代理有限公司 11245
• 代理人: 陸惠中;王永偉

1.一種基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法，其特征在于：包括，

采集所述分體式空調(diào)運行狀態(tài)下的多組全維度特征信號，所述分體式空調(diào)運行狀態(tài)包括故障運行和正常運行，所述全維度特征信號為從多個維度測得的所述分體式空調(diào)在運行狀態(tài)下產(chǎn)生的特征信號；

預(yù)設(shè)故障類型，將所述多組全維度特征信號中的一部分組作為訓(xùn)練樣本，并將各組全維度特征信號作為故障特征向量輸入概率神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練；

將所述多組全維度特征信號中的另一部分組作為測試樣本，并將各組全維度特征信號作為故障特征向量輸入概率神經(jīng)網(wǎng)絡(luò)模型進行測試，對概率神經(jīng)網(wǎng)絡(luò)模型的準確性進行驗證，直至獲得合格的概率神經(jīng)網(wǎng)絡(luò)模型；

接收故障分析指令，所述故障分析指令攜帶有故障信息；

根據(jù)所述故障信息以及預(yù)設(shè)的匹配清單，確定并采集所述分體式空調(diào)運行狀態(tài)下的有用維度特征信號，并從預(yù)設(shè)的補充集中獲取無用維度特征信號，所述有用維度特征信號和所述無用維度特征信號共同構(gòu)成所述全維度特征信號；

將所述有用維度特征信號以及所述無用維度特征信號輸入所述合格的概率神經(jīng)網(wǎng)絡(luò)模型，獲得所述分體式空調(diào)的故障類型。

2.根據(jù)權(quán)利要求1所述的基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法，其特征在于：所述故障信息包括但不限于制冷能力缺失、制冷能力不足、制熱能力缺失、制熱能力不足、內(nèi)機異響、內(nèi)機漏水和擺風(fēng)能力缺失。

3.根據(jù)權(quán)利要求1所述的基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法，其特征在于：所述全維度特征信號包括但不限于內(nèi)機和外機的振動信號和聲音信號、各用電器件的通斷信號以及各管路內(nèi)的氣體溫度信號。

4.根據(jù)權(quán)利要求1所述的基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法，其特征在于：所述預(yù)設(shè)的匹配清單用于將一個或者多個維度特征信號關(guān)聯(lián)到相應(yīng)的故障信息。

5.根據(jù)權(quán)利要求1所述的基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法，其特征在于：所述補充集為當所述概率神經(jīng)網(wǎng)絡(luò)模型輸出的故障類型為無故障時，輸入的所述全維度特征信號的集合。

6.根據(jù)權(quán)利要求1所述的基于概率神經(jīng)網(wǎng)絡(luò)的分體式空調(diào)故障識別方法，其特征在于：所述合格的概率神經(jīng)網(wǎng)絡(luò)模型為故障識別率達到閾值的概率神經(jīng)網(wǎng)絡(luò)模型。