一种基于模型加权融合的冰箱冷凝器故障诊断方法和系统与流程

本发明属于设备故障诊断，特别是涉及一种基于模型加权融合的冰箱冷凝器故障诊断方法和系统，可应用于配置了物联网通讯模块的冰箱设备领域。

背景技术：

1、冰箱冷凝器是冰箱内部复杂制冷系统机件当中一种，它的作用是把冰箱压缩机制冷剂的热量传输到外部。因此严格意义上讲，冰箱冷凝器的工作过程其实就是一个散热的过程。当冰箱的冷凝器部件出现故障时，会直接影响冰箱的散热效果，维修工人通过人工的方式进行故障排查不仅耗费时间长、人力成本高，而且准确率低，从而极大影响冰箱的使用效率和价值，同时也给消费者带来较大的损失。针对上述问题，目前尚无整体系统对冰箱冷凝器部件故障进行准确诊断的方案。

2、目前，现有技术对冰箱故障诊断，如专利号：cn202110054757.9，专利名称：《一种制冷系统中冷凝器散热故障自动预警装置及方法》，该发明提供了一种制冷系统中冷凝器散热故障自动预警装置及方法，其技术方案是：包括冷凝器本体,冷凝器本体外侧设有散热箱，冷凝器本体四角均固定连接有连接块,连接块与散热箱固定连接，冷凝器本体一侧设有超温报警器本体，散热箱一侧两端均设有风扇本体，两个风扇本体外侧均设有活动防护组件,散热箱两端均活动铰接有防尘网。通过超温报警器对冷凝器进行预警来判断冷凝器的异常，其忽略了设备间的差异，且外部因素如高温天也会对超温报警器的正常运行产生影响；风扇本体也会出现异常故障的时候，从而影响该检测系统的正常运行。

3、又如专利号：cn202111117370.x专利名称：《冰箱的故障检测方法和装置》，该发明提供一种冰箱的故障检测方法和装置，冰箱的故障检测方法包括：基于电控日志中各时刻的冷藏室温度、冷藏化霜温度、冷冻室温度、冷冻化霜温度、压机档位、加热丝状态和风机档位中至少一项电控数据,生成冰箱在目标时段内的实际运行曲线，各项电控数据对应至少一条实际运行曲线；确定实际运行曲线与多个基准运行曲线的至少一个的相似度，各基准运行曲线分别对应一个使用场景；各项工作参数对应至少一条基准运行曲线；在相似度均超过使用场景对应的目标阈值的情况下，确定冰箱故障。通过对比基准运行曲线的分析和判断使得系统推理时间大大增加，每台设备在实际运行过程中各间室温度也存在较大差异，每台设备不同状态下的数据表现也千差万别使得算法的准确性大受影响，上述问题都会对系统的判断精度产生影响。

技术实现思路

1、本发明的目的在于提供一种基于模型加权融合的冰箱冷凝器故障诊断方法和系统，通过冰箱冷凝器部件的工作原理进行数据采集，并利用机器学习算法建模从而实现对冰箱冷凝器部件的诊断方法，解决了现有的冰箱的冷凝器故障需要人工排查、耗费时间长、人力成本高的问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为一种基于模型加权融合的冰箱冷凝器故障诊断方法，包括如下步骤：

4、步骤s1：对冰箱运行数据进行采集和清洗；

5、步骤s2：对清洗后的数据进行标注，分为训练数据集和测试数据集；

6、步骤s3：利用机器学习算法对训练数据集进行训练生成冷凝器故障诊断算法模型；

7、步骤s4：利用测试数据集对冷凝器故障诊断算法模型进行优化；

8、步骤s5：实时采集冰箱运行数据导入到优化后冷凝器故障诊断算法模型；

9、步骤s6：冷凝器故障诊断算法模型判定出冰箱冷凝器系统部件的故障；

10、步骤s7：对判定出的故障进行反馈，并辅助冰箱硬件工程师完成冰箱的维修工作。

11、作为一种优选的技术方案，所述步骤s1中，数据清洗包括：缺失值处理、异常值处理和数据归一化处理；所述数据清洗时，处理缺失值和异常值，并对其进行分类，包括：处理缺失值和异常值，选取数据完整的试验样机，根据试验样机的过往记录，从数据中选取用来作为模型样本，同时依据试验样机的冷凝器故障数据来增加训练样本。

12、作为一种优选的技术方案，所述步骤s3中，冷凝器故障诊断算法模型采用svm模型进行训练；所述svm模型用于进行模式识别、分类以及回归分析，并利用核方法将非线性数据集映射到高维空间从而进行分类。

13、作为一种优选的技术方案，所述冷凝器故障诊断算法模型采用模型融合的方式，用于组合来自多个预测模型的信息以生成新模型的模型组合。

14、本发明为一种基于模型加权融合的冰箱冷凝器故障诊断系统，包括带有物联网通讯模块的冰箱设备、数据处理与存储平台、算法生成平台、优化与部署平台和售后服务平台；所述物联网通讯模块包括wifi模块、nb-iot模块、2g模块、3g模块、4g模块、5g模块中的一种或多种；所述数据处理与存储平台用于实时接收和存储带有物联网家电的运行状态的数据，并对其进行管理；所述优化与部署平台用于对采集的冰箱数据进行预处理；所述售后服务平台用于记录用户反馈以及设备维修记录进行管理，并根据优化与部署平台中的结果对客户进行跟踪回访并确认是否维修，同时对优化与部署平台进行及时反馈以便对算法进行调整。

15、本发明具有以下有益效果：

16、本发明通过冰箱冷凝器部件的工作原理进行数据采集，并利用机器学习算法建模从而实现对冰箱冷凝器部件的诊断方法，可快速识别出冰箱冷凝器系统部件的故障，根据算法对冰箱冷凝器部件的故障及时反馈，可以辅助冰箱硬件工程师完成冰箱的维修工作，从而提高冰箱维修的成功率、降低维修成本。

17、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

技术特征：

1.一种基于模型加权融合的冰箱冷凝器故障诊断方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于模型加权融合的冰箱冷凝器故障诊断方法，其特征在于，所述步骤s1中，数据清洗包括：缺失值处理、异常值处理和数据归一化处理；所述数据清洗时，处理缺失值和异常值，并对其进行分类，包括：处理缺失值和异常值，选取数据完整的试验样机，根据试验样机的过往记录，从数据中选取用来作为模型样本，同时依据试验样机的冷凝器故障数据来增加训练样本。

3.根据权利要求1所述的一种基于模型加权融合的冰箱冷凝器故障诊断方法，其特征在于，所述步骤s3中，冷凝器故障诊断算法模型采用svm模型进行训练；所述svm模型用于进行模式识别、分类以及回归分析，并利用核方法将非线性数据集映射到高维空间从而进行分类。

4.根据权利要求1所述的一种基于模型加权融合的冰箱冷凝器故障诊断方法，其特征在于，所述冷凝器故障诊断算法模型采用模型融合的方式，用于组合来自多个预测模型的信息以生成新模型的模型组合。

5.一种基于模型加权融合的冰箱冷凝器故障诊断系统，包括带有物联网通讯模块的冰箱设备(1)、数据处理与存储平台(2)、算法生成平台、优化与部署平台(3)和售后服务平台(4)，其特征在于：

技术总结
本发明公开了一种基于模型加权融合的冰箱冷凝器故障诊断方法和系统，涉及设备故障诊断技术领域。本发明包括如下步骤：对冰箱运行数据进行采集和清洗；对清洗后的数据进行标注；利用机器学习算法对训练数据集进行训练生成冷凝器故障诊断算法模型；实时采集冰箱运行数据导入到模型判定出冰箱冷凝器系统部件的故障；对判定出的故障进行反馈，并辅助冰箱硬件工程师完成冰箱的维修工作。本发明通过冰箱冷凝器部件的工作原理进行数据采集，并利用机器学习算法建模实现对冰箱冷凝器部件的诊断方法，可快速识别出冰箱冷凝器系统部件的故障，并及时反馈，提高冰箱维修的成功率、降低维修成本。

技术研发人员：黄奥云,尚靖,陈峰峰
受保护的技术使用者：四川虹美智能科技有限公司
技术研发日：
技术公布日：2024/2/21