[发明专利]一种基于机器学习的空调健康预测方法

说明书

本发明涉及一种基于机器学习的空调健康预测方法，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。本发明可以对空调运行故障提前做出预测，有利于降低空调的维护成本，提高空调零部件的使用寿命。

技术领域

本发明涉及空调健康预测方法，尤其是一种基于机器学习的空调健康预测方法。

背景技术

随着信息化程度的不断推进，新型传感器及信息系统对设备设计、试验、生产、使用、维修各个环节的监测记录促进了设备生产、日常运行大数据的形成，这些大数据为设备故障预测与健康管理的应用提供了便利。与此同时，大数据存储与分析、计算机运算能力的提升和深度学习算法的突破大大推动了大数据及人工智能技术在各个行业的应用和发展，众多国家也把大数据技术摆在国家战略层面加以推进，使其成为抢占新世纪技术优势的战略制高点，是今后若干年内主要的技术发展方向，大数据技术正以前所未有的方式冲击着世界发展的既定轨迹。

空调设备作为轨道车辆的重要组成部分，为乘客提供了舒适的乘车出行环境。空调可靠的工作也是轨道车辆维保的重要环节。空调的维保作为空调正常运行的重要保证，现有的空调维护方法，一般只能依靠检修人员通过对空调各个部件的检测来做出判断，这种判断方法需要一定的工作经验，而且可靠性低，检测过程费时费力，效率低下，随着大数据技术的发展，这种传统的维保方式也亟待改变。

鉴于此提出本发明。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于机器学习的空调健康预测方法，可以提前对空调运行故障进行预测，并达到降低空调维护成本的目的。

为了实现该目的，本发明采用如下技术方案：

一种基于机器学习的空调健康预测方法，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。