基于人工智能的暖通设备异物故障检测方法技术

本发明专利技术涉及空调设备检测技术领域，提出了基于人工智能的暖通设备异物故障检测方法，包括：采集空调设备的排气量数据

【技术实现步骤摘要】
基于人工智能的暖通设备异物故障检测方法


[0001]本专利技术涉及空调设备检测
，具体涉及基于人工智能的暖通设备异物故障检测方法
。

技术介绍

[0002]暖通设备包括多种，空调即为一种暖通设备，对于空调设备，其异物导致的故障通常为异物堵塞出风口，进而导致空调的排气量出现异常，同时会引起空调温度
、
适度及压力等多个维度的数据的异常，因此通过分析排气量与各维度在时序数据上的相关关系，进行排气量的异常检测，进而实现空调设备的异物故障检测
。
[0003]空调设备时序的各维度数据中存在噪声数据，而
EMD
分解及重构可以对噪声数据进行去除，从而保证空调设备的异物故障检测结果的准确性；然而单一维度的时序数据存在波动性及突变性，而异常数据的产生是持续性的，噪声数据则会随机产生，因此在
EMD
分解过程中使用三次样条曲线拟合时，会影响上下包络线的拟合结果，进而导致包络线无法准确地拟合时序数据的局部波动变化，产生拟合和过拟合的现象，进而导致各维度时序数据的去噪结果不准确，降低空调设备异物故障检测结果的准确性
。

技术实现思路

[0004]本专利技术提供基于人工智能的暖通设备异物故障检测方法，以解决现有的暖通设备多维度数据异常检测受噪声数据干扰的问题，所采用的技术方案具体如下：本专利技术一个实施例提供了基于人工智能的暖通设备异物故障检测方法，该方法包括以下步骤：采集空调设备的排气量数据
、
温度数据
、r/>湿度数据及压力数据，根据每个监测时段的排气量数据得到若干排气量序列；对每个排气量序列获取若干极值点及插值段；根据排气量序列及其他维度数据中极值点的斜率及分布，以及插值段，得到每个排气量序列的若干横向窗口；根据横向窗口内数据点的排气量数据及斜率，获取每个横向窗口的突变程度及排气量变化特征；根据排气量变化特征及极值点的斜率，得到每个横向窗口的边界条件及插值函数构成的三次样条曲线；根据三次样条曲线通过
EMD
分解及重构，得到每个排气量序列的去噪排气量数据并获取相同监测时段的去噪温度数据
、
去噪湿度数据及去噪压力数据，根据去噪排气量数据与其他维度的去噪数据的相关性进行设备的异物故障检测
。
[0005]进一步的，所述对每个排气量序列获取若干极值点及插值段，包括的具体方法为：对于任意一个排气量序列，获取该排气量序列的数据曲线；获取数据曲线的若干极值点，将相邻极值点之间的曲线，作为一个插值段，对该排气量序列得到若干插值段
。
[0006]进一步的，所述得到每个排气量序列的若干横向窗口，包括的具体方法为：根据排气量序列及其他维度数据中极值点的斜率及分布，得到每个排气量序列的
若干保留极值点及噪声极值点；对于任意一个排气量序列，获取每个插值段的长度，将所有长度中的最大值的2倍，记为该排气量序列的窗口最小宽度；从该排气量序列的第一个数据点开始，以窗口最小宽度框选数据点，若框选到的最后一个数据点为保留极值点，将框选的所有数据点构成一个横向窗口；若框选到的最后一个数据点不是保留极值点，继续向后框选直到框选到一个保留极值点，将框选的所有数据点作为一个横向窗口；得到第一个横向窗口后，从该横向窗口的下一个数据点开始，不断获取横向窗口，直到将该排气量序列中所有数据点都划分到对应的横向窗口内，得到该排气量序列的若干横向窗口
。
[0007]进一步的，所述得到每个排气量序列的若干保留极值点及噪声极值点，包括的具体方法为：对于任意一个排气量序列，获取每个极值点的斜率；获取该排气量序列对应的监测时段，获取该监测时段的温度序列
、
湿度序列及压力序列，以及每个序列中的极值点及每个极值点的斜率；对于该监测时段的温度序列，获取该温度序列与该排气量序列的余弦相似度，若余弦相似度大于等于0，分别获取排气量序列的极值点曲线，以及温度序列的极值点曲线；若余弦相似度小于0，获取排气量序列的极值点曲线，获取温度序列中每个极值点关于横轴对称的坐标点，连接相邻坐标点，得到的曲线记为该温度序列的极值点曲线；对两个极值点曲线进行
DTW
匹配，得到排气量序列中每个极值点在温度序列中匹配的极值点，记为排气量序列中每个极值点的温度匹配极值点；对于排气量序列中任意一个极值点，获取该极值点的斜率与其温度匹配极值点的斜率的乘积，记为该极值点的温度相关性；获取该极值点在排气量序列中相邻前一个极值点的温度相关性，以及相邻后一个极值点的温度相关性，分别记为该极值点的左温度相关性及右温度相关性；若温度相关性的符号与左温度相关性的符号及右温度相关性的符号均相同，该极值点与温度维度上不存在噪声；若温度相关性的符号与左温度相关性的符号或右温度相关性的符号存在一个不同，将该极值点记为噪声极值点；对该极值点分别在湿度维度及压力维度上进行噪声判断，若三个维度上均不存在噪声，将该极值点记为保留极值点；若任意一个维度判断为噪声极值点，将该极值点记为噪声极值点；对该排气量序列的所有极值点进行噪声判断，得到若干保留极值点及噪声极值点
。
[0008]进一步的，所述每个横向窗口的突变程度及排气量变化特征，具体的获取方法为：对于任意一个排气量序列中第个横向窗口，获取第个横向窗口内每个数据点的斜率；获取第个横向窗口内斜率大于0的数据点的数量，以及斜率小于0的数据点的数量，将两个数量中的最大值加上斜率等于0的数据点的数量的和，与第个横向窗口内数据点的数量的比值，记为第个横向窗口的变化因子；该排气量序列中第个横向窗口的突变程度的计算方法为：
其中，表示第个横向窗口的变化因子，表示第个横向窗口中数据点的数量，表示第个横向窗口中第个数据点的排气量数据，表示第个横向窗口中第一个数据点的排气量数据，表示第个横向窗口中第个数据点的排气量数据，表示第个横向窗口中第个数据点的排气量数据，表示求绝对值；根据排气量序列中横向窗口的突变程度，得到每个横向窗口的排气量变化特征
。
[0009]进一步的，所述得到每个横向窗口的排气量变化特征，包括的具体方法为：对于任意一个排气量序列，获取该排气量序列中每个横向窗口的突变程度，对所有突变程度进行线性归一化，得到的结果记为每个横向窗口的突变因子，设置两个排气量变化特征，分别为数据平稳的横向窗口，以及数据突变的横向窗口；将突变因子大于突变阈值的横向窗口标记为数据突变的横向窗口，记为突变窗口；将突变因子小于或等于突变阈值的横向窗口标记为数据平稳的横向窗口，记为平稳窗口；对该排气量序列中每个横向窗口得到排气量变化特征，得到若干平稳窗口及突变窗口
。
[0010]进一步的，所述得到每个横向窗口的边界条件及插值函数构成的三次样条曲线，包括的具体方法为：对于平稳窗口，将平稳窗口边界的两个数据点的一阶导数和二阶导数均设置为0，得到平稳窗口的边界条件；对于非平稳窗口，将非平稳窗口边界的两个数据点的二阶导数设置为0，一阶导数为斜率不作改变，得到突变窗口的边界条件；根据横向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于人工智能的暖通设备异物故障检测方法，其特征在于，该方法包括以下步骤：采集空调设备的排气量数据
、
温度数据
、
湿度数据及压力数据，根据每个监测时段的排气量数据得到若干排气量序列；对每个排气量序列获取若干极值点及插值段；根据排气量序列及其他维度数据中极值点的斜率及分布，以及插值段，得到每个排气量序列的若干横向窗口；根据横向窗口内数据点的排气量数据及斜率，获取每个横向窗口的突变程度及排气量变化特征；根据排气量变化特征及极值点的斜率，得到每个横向窗口的边界条件及插值函数构成的三次样条曲线；根据三次样条曲线通过
EMD
分解及重构，得到每个排气量序列的去噪排气量数据并获取相同监测时段的去噪温度数据
、
去噪湿度数据及去噪压力数据，根据去噪排气量数据与其他维度的去噪数据的相关性进行设备的异物故障检测
。2.
根据权利要求1所述的基于人工智能的暖通设备异物故障检测方法，其特征在于，所述对每个排气量序列获取若干极值点及插值段，包括的具体方法为：对于任意一个排气量序列，获取该排气量序列的数据曲线；获取数据曲线的若干极值点，将相邻极值点之间的曲线，作为一个插值段，对该排气量序列得到若干插值段
。3.
根据权利要求1所述的基于人工智能的暖通设备异物故障检测方法，其特征在于，所述得到每个排气量序列的若干横向窗口，包括的具体方法为：根据排气量序列及其他维度数据中极值点的斜率及分布，得到每个排气量序列的若干保留极值点及噪声极值点；对于任意一个排气量序列，获取每个插值段的长度，将所有长度中的最大值的2倍，记为该排气量序列的窗口最小宽度；从该排气量序列的第一个数据点开始，以窗口最小宽度框选数据点，若框选到的最后一个数据点为保留极值点，将框选的所有数据点构成一个横向窗口；若框选到的最后一个数据点不是保留极值点，继续向后框选直到框选到一个保留极值点，将框选的所有数据点作为一个横向窗口；得到第一个横向窗口后，从该横向窗口的下一个数据点开始，不断获取横向窗口，直到将该排气量序列中所有数据点都划分到对应的横向窗口内，得到该排气量序列的若干横向窗口
。4.
根据权利要求3所述的基于人工智能的暖通设备异物故障检测方法，其特征在于，所述得到每个排气量序列的若干保留极值点及噪声极值点，包括的具体方法为：对于任意一个排气量序列，获取每个极值点的斜率；获取该排气量序列对应的监测时段，获取该监测时段的温度序列
、
湿度序列及压力序列，以及每个序列中的极值点及每个极值点的斜率；对于该监测时段的温度序列，获取该温度序列与该排气量序列的余弦相似度，若余弦相似度大于等于0，分别获取排气量序列的极值点曲线，以及温度序列的极值点曲线；若余弦相似度小于0，获取排气量序列的极值点曲线，获取温度序列中每个极值点关于横轴对称的坐标点，连接相邻坐标点，得到的曲线记为该温度序列的极值点曲线；对两个极值点曲线进行
DTW
匹配，得到排气量序列中每个极值点在温度序列中匹配的极值点，记为排气量序列中每个极值点的温度匹配极值点；对于排气量序列中任意一个极值点，获取该极值点的斜率与其温度匹配极值点的斜率
的乘积，记为该极值点的温度相关性；获取该极值点在排气量序列中相邻前一个极值点的温度相关性，以及相邻后一个极值点的温度相关性，分别记为该极值点的左温度相关性及右温度相关性；若温度相关性的符号与左温度相关性的符号及右温度相关性的符号均相同，该极值点与温度维度上不存在噪声；若温度相关性的符号与左温度相关性的符号或右温度相关性的符号存在一个不同，将该极值点记为噪声极值点；对该极值点分别在湿度维度及压力维度上进行噪声判断，若三个维度上均不存在噪声，将该极值点记为保留极值点；若任意一个维度判断为噪声极值点，将该极值点记为噪声极值点；对该排气量序列的所有极值点进行噪声判断，得到若干保留极值点及噪声极值点
。5.
根据权利要求1所述的基于人工智能的暖通设备异物故障检测方法，其特征在于，所述每个横向窗口的突变程度及排气量变化特征，具体的获取方法为：对于任意一个排气量序列中第个横向窗口，获取第个横向窗口内每个数据点的斜率；获取第个横向窗口内斜率大于0的数据点的数量，以及斜率小于0的数据点的数量，将两个数量中的最大值加上斜率等于0的数据点的数量的和，与第个横向窗口内数据点的数量的比值，记为第个横向窗口的变化因子；该排气量序列中第个...

【专利技术属性】
技术研发人员：黄梅，陶春桂，蒋小音，姜颖，周诚，黄琳，沈良威，
申请(专利权)人：江苏中安建设集团有限公司，
类型：发明
国别省市：