冰箱故障预测处理方法及装置、介质、设备与流程

本发明涉及智能家电，尤其是涉及一种冰箱故障预测处理方法及装置、介质、设备。

背景技术：

1、冰箱在生活中无处不在，它不仅可以存储食物，还可以防止细菌滋生，为人们食品安全质量提供很大的安全保障。但如果冰箱发生故障且未及时维修，这将会造成食物不保鲜，滋生细菌，人们的身体健康受到威胁，同时冰箱的寿命也会受到影响。而从用户发现冰箱故障、预约售后维修、维修师傅上门、维修师傅确定故障类型并维修等一系列流程的耗时较长，对用户的生活造成影响。

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冰箱故障预测处理方法及装置、介质、设备。

2、根据第一方面，本发明实施例提供的冰箱故障预测处理方法包括：

3、获取待预测冰箱在预设时间段内的运行参数时间序列；其中，所述预设时间段为从一历史时间点到当前时间点且该历史时间点与该当前时间点之间的时间间隔为第一预设时间间隔的时间段；

4、将所述运行参数时间序列进行预处理；

5、将预处理后的运行参数时间序列输入至预先训练得到的冰箱故障预测模型中，得到预测结果；其中，所述预测结果包括所述待预测冰箱在未来预设时间段内是否发生故障以及发生故障时的故障类型；所述冰箱故障预测模型为采用转换器模型训练得到，所述转换器模型为基于自注意力机制的深度学习模型；

6、若所述预测结果中包括所述待预测冰箱在未来预设时间段内发生故障，则生成通知消息，并将所述通知消息发送至售后平台，以使所述售后平台的工作人员向所述待预测冰箱的用户进行确认，并在确认所述待预测冰箱在所述未来预设时间段内发生故障时通知维修人员上门维修；其中，所述通知消息中包括所述待预测冰箱的标识信息、所述待预测冰箱在未来预设时间段内发生故障以及故障类型；

7、根据所述售后平台的工作人员向所述用户确认的结果，确定所述待预测冰箱在所述未来预设时间段的实际运行情况；其中，所述实际运行情况能够体现所述待预测冰箱在所述未来预设时间段内是否发生故障；

8、若所述实际运行情况和所述预测结果不一致，则对所述冰箱故障预测模型进行优化调整。

9、在一个实施例中，所述冰箱故障预测模型包括编码器和解码器；其中：

10、所述编码器用于对输入至所述冰箱故障预测模型的所述运行参数时间序列进行编码处理；所述编码器中包括依次连接的多个编码层，每一个编码层中包括第一多头注意力层和第一前馈神经网络层；所述第一多头注意力层用于将输入到该编码层的数据进行多头注意力处理，得到第一多头注意力数据；所述第一前馈神经网络层用于对所述第一多头注意力数据进行非线性的前馈处理，得到该编码层的编码结果；

11、所述解码器用于对所述编码器输出的编码结果进行解码处理；所述解码器中包括依次连接的多个解码层，每一个解码层中包括第二多头注意力层和第二前馈神经网络层；所述第二多头注意力层用于将输入到该解码层的数据进行多头注意力处理，得到第二多头注意力数据；所述第二前馈神经网络层用于对所述第二多头注意力数据进行非线性的前馈处理，得到该解码层的解码结果。

12、在一个实施例中，所述冰箱故障预测模型还包括编码-解码注意力层，所述编码-解码注意力层用于对每一个所述编码层的编码状态和对应的解码层的隐藏状态进行注意力计算，并将计算结果融入对应的解码层的解码结果中。

13、在一个实施例中，所述第一多头注意力层具体用于：

14、将输入到该编码层的数据映射为查询向量、键向量和值向量；

15、将所述查询向量、所述键向量和所述值向量分别映射到h个子空间中，得到所述查询向量、所述键向量和所述值向量分别在h个子空间中的映射结果；其中，h为大于1的正整数；

16、对所述查询向量、所述键向量和所述值向量在每一个子空间的映射结果进行相关性计算，得到该子空间对应的编码结果；

17、将h个子空间对应的编码结果进行拼接，得到所述第一多头注意力数据。

18、在一个实施例中，所述将所述查询向量、所述键向量和所述值向量分别映射到h个子空间中，得到所述查询向量、所述键向量和所述值向量分别在h个子空间中的映射结果，包括：采用第一计算式将所述查询向量、所述键向量和所述值向量分别映射到第i个子空间中，所述第一计算式包括：

19、qi'＝qwiq

20、ki'＝kwik

21、vi'＝vwiv

22、其中，qi'为所述查询向量在第i个子空间的映射结果；q为所述查询向量；wiq为所述查询向量在第i子空间对应的权重矩阵；ki'为所述键向量在第i个子空间的映射结果；k为所述键向量；wik为所述键向量在第i子空间对应的权重矩阵；vi'为所述值向量在第i个子空间的映射结果；v为所述值向量；wiv为所述值向量在第i子空间对应的权重矩阵。

23、在一个实施例中，所述对所述查询向量、所述键向量和所述值向量在每一个子空间的映射结果进行相关性计算，得到该子空间对应的编码结果，包括：采用第二计算式计算第i个子空间对应的编码结果，所述第二计算式为：

24、

25、其中，headi为第i个子空间对应的编码结果，qi'为所述查询向量在第i个子空间的映射结果，ki'为所述键向量在第i个子空间的映射结果，vi'为所述值向量在第i个子空间的映射结果，t为转置符号，d为缩放参数。

26、在一个实施例中，所述冰箱故障预测模型的训练数据的确定过程包括：

27、获取多个冰箱在第一历史时间段内的第一历史运行参数时间序列；

28、从所述第一历史运行参数时间序列中查找第一次发生故障的时间点；

29、获取多个冰箱在第二历史时间段的第二历史运行参数时间序列；其中，所述第二历史时间段为从一历史时间点到所述第一次发生故障的时间点且该历史时间点与所述第一次发生故障的时间点之间的时间间隔为预设的第二预设时间间隔的时间段；

30、根据所述第二历史时间段的第二历史运行参数时间序列和所述第一历史时间段内的第一历史运行参数时间序列，构建训练数据集；

31、其中，所述第二历史时间段的开始时间点至所述第一历史时间段的结束时间点之间的时间间隔为所述第一预设时间间隔。

32、根据第二方面，本发明实施例提供的冰箱故障预测处理装置包括：

33、数据获取模块，用于获取待预测冰箱在预设时间段内的运行参数时间序列；其中，所述预设时间段为从一历史时间点到当前时间点且该历史时间点与该当前时间点之间的时间间隔为第一预设时间间隔的时间段；

34、预处理模块，用于将所述运行参数时间序列进行预处理；

35、故障预测模块，用于将预处理后的运行参数时间序列输入至预先训练得到的冰箱故障预测模型中，得到预测结果；其中，所述预测结果包括所述待预测冰箱在未来预设时间段内是否发生故障以及发生故障时的故障类型；所述冰箱故障预测模型为采用转换器模型训练得到，所述转换器模型为基于自注意力机制的深度学习模型；

36、售后通知模块，用于若所述预测结果中包括所述待预测冰箱在未来预设时间段内发生故障，则生成通知消息，并将所述通知消息发送至售后平台，以使所述售后平台的工作人员向所述待预测冰箱的用户进行确认，并在确认所述待预测冰箱在所述未来预设时间段内发生故障时通知维修人员上门维修；其中，所述通知消息中包括所述待预测冰箱的标识信息、所述待预测冰箱在未来预设时间段内发生故障以及故障类型；

37、故障确认模块，用于根据所述售后平台的工作人员向所述用户确认的结果，确定所述待预测冰箱在所述未来预设时间段的实际运行情况；其中，所述实际运行情况能够体现所述待预测冰箱在所述未来预设时间段内是否发生故障；

38、模型调整模块，用于若所述实际运行情况和所述预测结果不一致，则对所述冰箱故障预测模型进行优化调整。

39、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。

40、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。

41、本发明实施例提供的冰箱故障预测处理方法及装置、介质、设备，首先获取待预测冰箱在预设时间段内的运行参数时间序列，然后将所述运行参数时间序列进行预处理，再将预处理后的运行参数时间序列输入至预先训练得到的冰箱故障预测模型中，得到预测结果；若所述预测结果中包括所述待预测冰箱在未来预设时间段内发生故障，则通知售后平台的工作人员，进而工作人员向所述待预测冰箱的用户进行确认，并在确认所述待预测冰箱在所述未来预设时间段内发生故障时通知维修人员上门维修。可见，本发明实施例中的冰箱故障预测模型可以基于运行参数时间序列预测出待预测冰箱在未来时间段内是否发生故障以及故障类型，售后人员可以提前得知待预测冰箱在未来时间段内会发生故障，进而在未来时间段内与用户确认是否发生了故障，在与用户确认发生故障的第一时间就会通知维修人员进行上门维修，而且在通知维修人员时还会告知故障类型，这样维修人员可以提前准备好维修需要用到的工具、更换部件，因此可以大大降低维修人员的维修时间。而且，本发明实施例还会在实际运行情况和所述预测结果不一致时对所述冰箱故障预测模型进行优化调整，从而提高模型预测准确度。