技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于保留网络的冰箱故障检测方法及装置、介质、设备与流程  >  正文

基于保留网络的冰箱故障检测方法及装置、介质、设备与流程

  • 国知局
  • 2024-07-31 22:53:10

本发明涉及智能家电,尤其是涉及一种基于保留网络的冰箱故障检测方法及装置、介质、设备。

背景技术:

1、冰箱由压缩机、冷凝器、毛细管、温控器等部件组成,这些部件在控制系统的控制下,不断调节和平衡冰箱内的温度从而达到保鲜和制冷的目的。当冰箱性能出现衰减和劣变时,其制冷和保鲜性能会大大降低,从而给用户带来不良的使用体验。目前当冰箱出现故障时,维修人员无法准确定位故障,从而极大影响冰箱的使用效率和价值,同时也给产品口碑造成不良影响。

技术实现思路

1、针对以上至少一个技术问题,本发明实施例提供一种基于保留网络的冰箱故障检测方法及装置、介质、设备。

2、根据第一方面,本发明实施例提供的基于保留网络的冰箱故障检测方法包括:

3、采集冰箱在多个维度的当前运行数据;

4、对所述多个维度的当前运行数据均进行预处理;

5、将预处理后的各个维度的当前运行数据处理成当前运行矩阵;其中,所述当前运行矩阵符合冰箱故障检测模型对输入数据的要求;所述冰箱故障检测模型是基于保留神经网络搭建而成;

6、将所述当前运行矩阵输入到所述冰箱故障检测模型中,得到所述冰箱是否存在故障以及故障类别的诊断结果;

7、若根据所述诊断结果确定冰箱存在故障,则根据所述故障类别生成故障上报信息,并将所述故障上报信息推送至客服人员,以使所述客服人员根据所述故障类别通知对应的维修人员进行上门维修处理。

8、在一个实施例中,所述冰箱故障检测模型对所述当前运行矩阵的处理过程包括:

9、将所述当前运行矩阵转化为查询向量、键向量和值向量;

10、将所述查询向量与所述键向量的倒置进行相乘,得到第一矩阵;

11、将所述第一矩阵与具有固定预定义权重因子的因果掩码矩阵进行哈达玛相乘,得到第二矩阵;

12、将所述第二矩阵和所述值向量进行相乘,得到第三矩阵;

13、对所述第三矩阵进行归一化处理,输出所述诊断结果。

14、在一个实施例中,所述将所述当前运行矩阵转化为查询向量、键向量和值向量,包括:

15、采用第一计算式将所述当前运行矩阵转化为所述查询向量;其中,所述第一计算式为:

16、q=xwq

17、其中,q为所述查询向量,x为所述当前运行矩阵,wq为所述查询向量对应的权重矩阵。

18、在一个实施例中,所述将所述当前运行矩阵转化为查询向量、键向量和值向量,包括:

19、采用第二计算式将所述当前运行矩阵转化为所述键向量;其中,所述第二计算式为:

20、k=xwk

21、其中,k为所述键向量,x为所述当前运行矩阵,wk为所述键向量对应的权重矩阵。

22、在一个实施例中,所述冰箱故障检测模型的训练过程包括:

23、获取同型号冰箱在预设历史时间段内在多个维度的历史运行数据;

24、将每一个维度的历史运行数据形成一个对应的数据表;

25、设置滑动窗口的尺寸;

26、设置所述滑动窗口的滑动方向和滑动步长;

27、将所述滑动窗口在每一个数据表中按照所述滑动方向进行滑动,并在所述滑动窗口每滑动所述滑动步长后,将该数据表在所述滑动窗口内的数据提取出来,作为该数据表的采样数据;

28、将所述滑动窗口在各个数据表中每一个相同位置处所提取出来的采样数据形成一个扩充的历史运行矩阵;

29、根据所述同型号冰箱在所述预设历史时间段内在多个维度的历史运行数据,形成多个原始的历史运行矩阵;

30、根据扩充的历史运行矩阵和原始的历史运行矩阵,形成训练样本集和测试样本集;

31、根据所述训练样本集对所述冰箱故障检测模型进行训练;

32、在训练收敛后,利用所述测试样本集对所述冰箱故障检测模型进行评估。

33、在一个实施例中,所述冰箱故障检测模型在训练之后且在部署之前,还需要对所述冰箱故障检测模型进行剪枝处理,以减少所述冰箱故障检测模型中的参数数量。

34、在一个实施例中,所述对所述多个维度的当前运行数据均进行预处理,包括:

35、对每一个维度的当前运行数据的异常值和/或缺失值进行数据处理,且数据处理后的各个维度的当前运行数据的长度不完全一致;

36、将数据处理后的各个维度的当前运行数据对齐处理,对齐处理后的各个维度的当前运行数据的长度一致;

37、其中,利用多头循环神经网络对数据处理后的各个维度的当前运行数据进行对齐处理;所述多头循环神经网络中包括多个循环神经子网络,每一个循环神经子网络用于对数据处理后的一个维度的当前运行数据进行对齐处理。

38、根据第二方面,本发明实施例提供的基于保留网络的冰箱故障检测装置包括:

39、数据采集模块,用于采集冰箱在多个维度的当前运行数据;

40、预处理模块,用于对所述多个维度的当前运行数据均进行预处理;

41、矩阵生成模块,用于将预处理后的各个维度的当前运行数据处理成当前运行矩阵;其中,所述当前运行矩阵符合冰箱故障检测模型对输入数据的要求;所述冰箱故障检测模型是基于保留神经网络搭建而成;

42、模型诊断模块,用于将所述当前运行矩阵输入到所述冰箱故障检测模型中,得到所述冰箱是否存在故障以及故障类别的诊断结果;

43、故障上报模块,用于若根据所述诊断结果确定冰箱存在故障,则根据所述故障类别生成故障上报信息,并将所述故障上报信息推送至客服人员,以使所述客服人员根据所述故障类别通知对应的维修人员进行上门维修处理。

44、根据第三方面,本发明实施例提供计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行实现第一方面提供的方法。

45、根据第四方面,本发明实施例提供的计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面提供的方法。

46、本发明实施例提供的基于保留网络的冰箱故障检测方法及装置、介质、设备,首先采集冰箱在多个维度的当前运行数据,然后对所述多个维度的当前运行数据均进行预处理,再将预处理后的各个维度的当前运行数据处理成当前运行矩阵,接着将所述当前运行矩阵输入到所述冰箱故障检测模型中,得到所述冰箱是否存在故障以及故障类别的诊断结果。如果根据所述诊断结果确定冰箱存在故障,那么根据所述故障类别生成故障上报信息,并将所述故障上报信息推送至客服人员,以使所述客服人员根据所述故障类别通知对应的维修人员进行上门维修处理。通过本发明实施例提供的方法可以实现对冰箱进行故障检测,即实现故障定位,便于维修人员维修,从而避免影响冰箱的使用效率和价值,同时也避免给产品口碑造成不良影响。

技术特征:

1.一种基于保留网络的冰箱故障检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述冰箱故障检测模型对所述当前运行矩阵的处理过程包括:

3.根据权利要求2所述的方法,其特征在于,所述将所述当前运行矩阵转化为查询向量、键向量和值向量,包括:

4.根据权利要求2所述的方法,其特征在于,所述将所述当前运行矩阵转化为查询向量、键向量和值向量,包括:

5.根据权利要求1所述的方法,其特征在于,所述冰箱故障检测模型的训练过程包括:

6.根据权利要求1所述的方法,其特征在于,所述冰箱故障检测模型在训练之后且在部署之前,还需要对所述冰箱故障检测模型进行剪枝处理,以减少所述冰箱故障检测模型中的参数数量。

7.根据权利要求1所述的方法,其特征在于,所述对所述多个维度的当前运行数据均进行预处理,包括:

8.一种基于保留网络的冰箱故障检测装置,其特征在于,包括:

9.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行实现权利要求1~7中的任一项所述的方法。

10.一种计算设备,其特征在于,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1~7中的任一项所述的方法。

技术总结本发明提供一种基于保留网络的冰箱故障检测方法及装置、介质、设备。该方法包括:采集冰箱在多个维度的当前运行数据;对所述多个维度的当前运行数据均进行预处理;将预处理后的各个维度的当前运行数据处理成当前运行矩阵;所述冰箱故障检测模型是基于保留神经网络搭建而成;将所述当前运行矩阵输入到所述冰箱故障检测模型中,得到所述冰箱是否存在故障以及故障类别的诊断结果;若根据所述诊断结果确定冰箱存在故障,则根据所述故障类别生成故障上报信息,并将所述故障上报信息推送至客服人员,以使所述客服人员根据所述故障类别通知对应的维修人员进行上门维修处理。本发明可以避免影响冰箱的使用效率和价值,也避免给产品口碑造成不良影响。技术研发人员:黄奥云,陈峰峰,任飞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:2024/7/29

本文地址:https://www.jishuxx.com/zhuanli/20240730/195177.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。