[发明专利]一种基于贝叶斯网络的家用空调故障诊断方法

摘要

本发明提供了一种基于贝叶斯网络的家用空调器故障检测与诊断方法。该贝叶斯网络的结构定性地描述了大部分家用空调器典型故障与其依赖发生条件和故障征兆之间的复杂的因果关系；该贝叶斯网络的有向边所代表的条件概率表定量地描述了因果关系中的概率值。该方法能够融合定性诊断信息与定量数据，充分利用行业专家的知识经验及诊断对象的附加信息，提高故障诊断的效率及准确度，实现在诊断信息不完整、不确定的情况下进行较为准确的故障诊断。本发明所提供的贝叶斯网络能够有效检测诊断大部分家用空调器故障。

主权项

1.一种基于贝叶斯网络的家用空调故障诊断方法，其特征在于：/nS1：构建用于家用空调故障诊断的贝叶斯诊断网络，该诊断网络由附加信息、故障和征兆三类节点组成，三类节点之间根据空调故障机理和特性通过有向边建立联系，形成拓扑结构；其中每个附加信息节点表示家用空调的一种运维状况；每个故障节点表示家用空调的一个潜在可能故障；每个征兆节点表示家用空调发生故障的一个征兆；/nS2：对贝叶斯诊断网络中各个节点设置先验概率和节点间的条件概率；/nS3：现场收集待诊断家用空调器的征兆信息，当存在异常征兆时将其输入贝叶斯网络；/nS4：更新各故障节点的后验概率，并找到后验概率最大的两个故障P_1st和P_2nd，其中P_1st>P_2nd；/nS5：判断P_1st和P_2nd的差值是否超过阈值；若超过，则将P_1st对应的故障输出作为该异常征兆所对应的故障；若未超过，则基于成本效益原则测量获取其他用于辅助判断的附加信息或征兆信息，并将其重新输入贝叶斯网络后，返回步骤S4；/n所述基于成本效益原则测量获取其他用于辅助判断的附加信息或征兆信息具体方法如下：/n与故障P_1st相关的征兆和附加信息的集合为E_1st，与故障P_2nd相关的征兆和附加信息的集合为E_2nd，，，U中子集T的补集为，对补集中所有征兆和附加信息获取难易程度进行排序，现场测量最容易获得的征兆或附加信息，用于辅助判断家用空调故障。/n