[發明專利]一種風扇故障的預測方法及其相關組件

在審

• 申請號: 202310165723.6
• 申請日: 2023-02-24
• 公開（公告）號: CN116227347A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 黃朔;孫明剛;劉清林
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F119/02
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王云曉

1.一種風扇故障的預測方法，其特征在于，應用于設備中的處理器，所述處理器與風扇連接，所述風扇故障的預測方法包括：

獲取所述設備內部的當前溫度參數；

獲取所述風扇的當前工作參數；

將所述當前溫度參數和所述當前工作參數發送至預設神經網絡模型中，以便確定所述風扇的當前運行狀態，所述預設神經網絡模型預先由預設數量的所述當前溫度參數和所述當前工作參數訓練得到的；

若所述當前運行狀態為異常狀態，確定所述風扇的預測結果為故障狀態；

若所述當前運行狀態為正常狀態，確定所述風扇的預測結果為正常狀態。

2.如權利要求1所述的風扇故障的預測方法，其特征在于，確定所述風扇的當前運行狀態，包括：

根據所述當前溫度參數和所述當前工作參數確定所述風扇的當前偏差值；

判斷所述當前偏差值是否在預設偏差范圍內；

若是，則判定所述風扇的當前運行狀態為正常狀態；

若否，則判定所述風扇的當前運行狀態為異常狀態。

3.如權利要求2所述的風扇故障的預測方法，其特征在于，所述預設偏差范圍預先由預設數量的所述當前溫度參數和所述當前工作參數確定得到的。

4.如權利要求1所述的風扇故障的預測方法，其特征在于，所述預設神經網絡模型基于無監督學習訓練得到的。

5.如權利要求1所述的風扇故障的預測方法，其特征在于，在確定所述風扇的預測結果為故障狀態之后，還包括：

生成提示信號并將所述提示信號發送給提示模塊，以便所述提示模塊發出提示。

6.如權利要求1所述的風扇故障的預測方法，其特征在于，所述當前溫度參數包括所述設備中各個元件的型號、各個所述元件的部署數量、理想溫濕度與實際溫濕度以及各個所述元件的運行參數中的一種或多種的組合；

所述當前工作參數包括所述風扇的型號、標稱電流與實際電流、標稱電壓與實際電壓、部署數量和轉速中的一種或多種的組合。

7.如權利要求1至6任一項所述的風扇故障的預測方法，其特征在于，在獲取所述風扇的當前工作參數之后，還包括：

確定所述當前溫度參數和所述當前工作參數對應的預設權重值；

利用所述預設權重值將所述當前溫度參數和所述當前工作參數均轉換成參數特征；

將所述當前溫度參數和所述當前工作參數發送至預設神經網絡模型中，包括：

將所有的所述參數特征均發送至預設神經網絡模型中。

8.一種風扇故障的預測裝置，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至7任一項所述的風扇故障的預測方法的步驟。

9.一種設備，其特征在于，包括設備本體，還包括如權利要求8所述的風扇故障的預測裝置；

所述設備本體與所述風扇故障的預測裝置連接。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的風扇故障的預測方法的步驟。