[发明专利]除湿机在线故障诊断方法、系统、服务器及存储介质

说明书

本申请提供一种除湿机在线故障诊断方法、系统、服务器及存储介质，方法包括：获取表征点位工作状态的点位数据和需要诊断的故障目标点，根据故障目标点获得影响故障目标点的其它点位，基于其它点位和点位数据获得表征其它点位工作状态的其它点位数据；对其它点位数据进行特征提取操作，获得特征值；使用机器学习模型处理特征值，得到故障目标点的预测数据，基于预测数据和故障目标点的实时数据，判断除湿机的运行状态。通过本申请，对除湿系统的离线数据和在线数据进行了分析、建模和运算等操作，来解决除湿系统通过传统技术进行故障检测的不及时、不准确和消耗人力的问题，减少除湿系统所控制的空间温湿度异常带来的生产或存储的损失。

技术领域

本申请涉及在线故障诊断技术领域，特别涉及一种除湿机在线故障诊断方法、系统、服务器及存储介质。

背景技术

除湿系统是室内回风口把室内有水分的空气抽到主机内，经过压缩机抽取其中的水分后，再通过室内送风口排到室内，通过室内回风口和室内送风口共两个风口完成了一个室内空气循环，调节室内空气的湿度，确保让人们处在一个舒适的空间。但因为其规模庞大，控制策略复杂，使得各类故障频频发生。

除湿系统常见的异常故障包括阀门故障、管道故障、热交换盘管故障、除湿转轮故障、电机故障、风机故障以及控制系统故障。近些年来研究人员提出了许多除湿系统故障检测技术，主要包括四种故障检测技术，即人工现场巡检；除湿系统自身携带的异常报警功能；现场数据已接入数据中心时，位于控制室或数据中心的在线检测平台提供的预警功能；工人在控制室或数据中心观察在线数据变化趋势、观察在线检测平台提供的预警，最终做出的故障判断。但是这些现有的除湿系统故障检测技术还存在一些不足，比如，一个厂区内除湿系统多达上百台时，需要大量人力进行巡检；不是系统中所有的设备都含有自身报警功能，或漏掉部分系统故障、异常；预警方式简单，仅采用上下阈值的方式，对单一测点数据或多测点按规则运算后的结果进行判断，超过设定阈值进行报警，且阈值设定后不会自动修改；工人对可观察到的报警、数据变化趋势等进行分析的过程需要一定的时间，从而不一定能够及时判断故障。即不能够及时、准确有效地完成对除湿系统的故障及异常检测，使得除湿系统所控制的空间温湿度异常状态对生产和存储造成损失。

发明内容

通过对除湿系统的离线数据和在线数据进行了分析、建模和运算等操作，来解决除湿系统通过传统技术进行故障检测的不及时、不准确和消耗人力的问题，减少除湿系统所控制的空间温湿度异常带来的生产或存储的损失。

第一方面，本实施例提供了一种除湿机在线故障诊断方法，所述方法包括：

获取表征点位工作状态的点位数据和需要诊断的故障目标点，根据所述故障目标点获得影响所述故障目标点的其它点位，基于所述其它点位和所述点位数据获得表征其它点位工作状态的其它点位数据；

对所述其它点位数据进行特征提取操作，获得特征值；使用机器学习模型处理所述特征值，得到所述故障目标点的预测数据，基于所述预测数据和故障目标点的实际数据，判断所述除湿机的运行状态。

在其中的一些实施例中，所述根据所述故障目标点获得影响所述故障目标点的其它点位包括：

根据所述故障目标点判断所述故障目标点所属的故障类型，基于所述故障类型确定影响所述故障目标点的其它点位，其中，每种故障类型都有确定影响所述故障目标点的其它点位的判断标准。

在其中的一些实施例中，所述特征提取操作包括以下方式至少之一：所述其它点位数据中的某一个点位数据在一段时间内的运算操作，所述其它点位数据中若干个点位数据在一段时间内的运算操作。

在其中的一些实施例中，所述使用机器学习模型处理所述特征值，得到所述故障目标点的预测数据包括：

定时获取所述除湿机的设备参数、故障目标点和特征值，根据所述故障目标点获得故障目标点的历史实际数据和影响所述故障目标点的其它点位的历史特征值；