[发明专利]一种基于机器学习的空调健康预测方法

权利要求书

1.一种基于机器学习的空调健康预测方法，其特征在于，包括以下步骤：

步骤一、收集空调系统运行的相关参数数据；

步骤二、将收集到的数据按照统一格式存储到数据库中；

步骤三、将数据分成训练数据集和验证数据集，基于训练数据通过机器学习算法生成数学模型；

步骤四、通过验证数据集验证数学模型的准确性，根据验证结果调整数学模型参数，使模型输出结果与实际检测结果相接近；

步骤五、调用数学模型，并输入空调系统的实时运行数据，经过模型计算后输出判断结果。

2.根据权利要求1所述的一种基于机器学习的空调健康预测方法，其特征在于：所述步骤五中，空调的实时运行数据经过计算后，综合部件在空调中的作用范围，输出对应部件的健康度，所述健康度至少包括健康、亚健康、故障三种状态。

3.根据权利要求1所述的一种基于机器学习的空调健康预测方法，其特征在于：所述步骤一中所收集的参数数据包括，压缩机频率、压缩机电压、压缩机电流、膨胀阀开度、冷媒高压侧压力、冷媒低压侧压力、冷凝器温度、蒸发器温度、新风阀开度、回风阀开度。

4.根据权利要求1或3所述的一种基于机器学习的空调健康预测方法，其特征在于：所述步骤一中的空调系统是在实验室环境下运行，通过改变实验室环境使空调系统在不同工况下运行，以充分收集空调系统在各种工况下的运行参数。

5.根据权利要求1所述的一种基于机器学习的空调健康预测方法，其特征在于：所述步骤二还包括对收集到的数据进行预处理，所述预处理的过程包括，

S1、清除数据中的错误点、冗余点和数据的噪声；

S2、将多个数据源中的数据进行合并，形成一个统一的表格；

S3、找到数据的特征表示，用维度变换来减少数据量；

S4、寻找数据的有用特征，以缩减数据模型。

6.根据权利要求1所述的一种基于机器学习的空调健康预测方法，其特征在于：所述步骤三中基于训练数据集通过机器学习算法生成数学模型的过程为：

首先通过回归分析算法分析空调各个参数的变化规律以及发现空调各个参数变量之间的因果关系，然后通过迭代算法，找到与期望输出值最接近的数据间的函数关系，确定初步的数学模型。

7.根据权利要求1所述的一种基于机器学习的空调健康预测方法，其特征在于：在步骤三中，所述数据按比例分配为训练数据集和验证数据集，且训练数据集所占比例小于验证数据集。

8.根据权利要求1所述的一种基于机器学习的空调健康预测方法，其特征在于：所述步骤五中，还包括对空调系统的实时运行数据和判断结果通过显示设备进行显示。