CN118935848A - 制冰机的异常检测方法、制冰装置、制冰机和存储介质 - Google Patents
制冰机的异常检测方法、制冰装置、制冰机和存储介质 Download PDFInfo
- Publication number
- CN118935848A CN118935848A CN202411426896.XA CN202411426896A CN118935848A CN 118935848 A CN118935848 A CN 118935848A CN 202411426896 A CN202411426896 A CN 202411426896A CN 118935848 A CN118935848 A CN 118935848A
- Authority
- CN
- China
- Prior art keywords
- detection data
- data
- fitting
- detection
- ice maker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 273
- 230000005856 abnormality Effects 0.000 title claims abstract description 63
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000001704 evaporation Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 230000035945 sensitivity Effects 0.000 claims description 12
- 230000008020 evaporation Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 230000005494 condensation Effects 0.000 claims description 5
- 238000009833 condensation Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 238000011897 real-time detection Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 8
- 238000010257 thawing Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000002844 melting Methods 0.000 description 6
- 230000008018 melting Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001055 chewing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25C—PRODUCING, WORKING OR HANDLING ICE
- F25C5/00—Working or handling ice
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25C—PRODUCING, WORKING OR HANDLING ICE
- F25C1/00—Producing ice
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/80—Food processing, e.g. use of renewable energies or variable speed drives in handling, conveying or stacking
- Y02P60/85—Food storage or conservation, e.g. cooling or drying
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Production, Working, Storing, Or Distribution Of Ice (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明实施例公开了一种制冰机的异常检测方法、装置、制冰机和介质。所述制冰机的异常检测方法包括获取制冰机预设运行参数的多个连续检测数据，检测数据包括第一检测数据和第二检测数据；使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据；确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和；根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。本实施例的制冰机的异常检测方法达到了实时检测制冰机异常的效果。
Description
技术领域
本发明涉及制冷技术领域，尤其涉及一种制冰机的异常检测方法、装置、制冰机和存储介质。
背景技术
制冰机是居民使用量很大的家用电器，现有制冰机大多没有检测制冰异常的手段，特别是咀嚼冰制冰机，当挤冰器发生冻缸时，长时间继续工作会很大概率损坏齿轮箱和电机，且会发生很大干摩擦噪音，影响用户体验。因此，急需提供一种实时检测制冰机制冰异常的方法。
发明内容
本发明实施例提供一种制冰机的异常检测方法、装置、制冰机和存储介质，达到了实时检测制冰机工作异常的效果。
根据本发明的一方面，提供了一种制冰机的异常检测方法，包括：获取制冰机预设运行参数的多个连续检测数据，所述连续检测数据包括第一组的多个第一检测数据和第二组的多个第二检测数据；使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据；确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和；根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。
进一步的，所述预设的拟合模型为线性模型；所述第一组的多个第一检测数据均是在所述第二组的多个第二检测数据之前获取的。
进一步的，所述线性模型为，其中，n=1,2,3…j时，为第一拟合数据，其中，n=j+1,j+2…i时，为第二拟合数据，初始检测数据采样的序号为x(n)=n=1,2,3…j,j+1,j+2…i；其中j为第一检测数据的数量；i-j为第二检测数据的数量，其中，参数b和a的计算方式为：；；其中，xi等于采样序号i，yi为采样的序号i对应的检测结果，为第一检测数据或者第二检测数据的平均值，为第一检测数据的序号平均值或者第二检测数据的序号平均值。
进一步的，确定对应第一检测数据和第一拟合数据的第一方差和的计算方式为：；确定对应第二检测数据和第二拟合数据的第二方差和的计算方式为：；其中，为对应检测序号1至j获取的第一检测数据，为对应检测序号j+1至i获取的第二检测数据。
进一步的，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：当成立时表示所述制冰机出现异常，其中为灵敏度的控制参数。
进一步的，当不成立时，移位更新检测数据后进一步判断是否成立，所述移位更新检测数据的方式为：；其中k=1,2,3…n-1，，其中为下一时刻获取的最新检测数据。
进一步的，所述预设运行参数为两个或多个，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：当、、…都成立时表示所述制冰机出现异常，其中、、…分别为不同预设运行参数的灵敏度的控制参数。
进一步的，所述预设的运行参数可以为排气温度、蒸发温度、压缩机功率以及冷凝温度中的一个、两个或者多个。
根据本发明的另一方面，提供了一种制冰装置，包括：参数接收模块，用于获取制冰机预设运行参数的多个连续检测数据，所述连续检测数据包括第一组的多个第一检测数据和第二组的多个第二检测数据；参数拟合模块，用于使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据；偏差计算模块，用于确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和；异常判断模块，用于根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。
根据本发明的另一方面，提供了一种制冰机，包括：一个或多个处理器；
存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的制冰机的异常检测方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，包括：该程序被处理器执行时实现如上述的制冰机的异常检测方法。
本申请的制冰机的异常检测方法，通过获取制冰机预设运行参数的多个连续检测数据；根据所述连续检测数据的数量将所述连续检测数据分为第一组和第二组，所述第一组包括多个第一检测数据，所述第二组包括多个第二检测数据；使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据；确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和；根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态，从而达到了实时检测制冰机制冷是否异常的功能，且实施方便、成本较低。另外由于本申请可以选择同步监控两个运行关联参数，保证了制冰机异常判断结果的准确性和可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种制冰机的异常检测方法的流程图。
图2是本发明实施例二提供的一种制冰装置的功能模块示意图。
图3是本发明实施例三提供的一种制冰机的框架结构示意图。
图4是图3制冰机的控制系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应所述理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
【实施例一】
图1是本发明实施例一提供的一种制冰机的异常检测方法的流程图。本实施例可应用于制冰装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成于制冰机中，相应的，如图1所示，该方法包括如下操作：
S110、获取制冰机预设运行参数的多个连续检测数据，所述连续检测数据包括第一组的多个第一检测数据和第二组的多个第二检测数据。
一实施例中，一并参阅图3，所述制冰机300可以包括压缩机310、冷凝器320、毛细管330、蒸发器340以及控制系统350。所述预设的运行参数可以为排气温度、蒸发温度、压缩机功率以及冷凝温度中的一个、两个或者多个。例如预设的运行参数可以是通过传感器361-364检测获得的压缩机310排气管的排气温度Tp、蒸发器340的蒸发温度Zf、压缩机功率以及冷凝器320的冷凝温度Ln的一个、两个或多个，本实施例中多个运行参数之间具有运行关联性，也就是说当制冷出现异常的情况下，这些具有运行关联性的参数之间的变化的规律相似，变化的幅度各有不同。具体地，可以在图3所示的压缩机310的排气管设置传感器361、蒸发器340的铜管出口设置传感器362以及冷凝器320输入设置传感器363或输出节点设置传感器364，用于感测对应的运行参数，控制系统350从传感器361-364获取对应的感测结果。压缩机功率通过在制冰机内部电路板上的电流计检测压缩机的工作电流后，由传感器直接计算获得，即，压缩机功率等于压缩机的工作电压与工作电流两者的乘积。一般的，工作电压是恒定数值，可以在计算压缩机功率时直接使用，由于供电时存在较小的数值波动，也可以在制冰机内部电路板上设置电压计，实时检测工作电压，本方案中不限定工作电压的获取方式。一实施例中将获得的连续检测数据按检测顺序依次存储至预设的存储单元，例如y(1)…y(n)中。
一实施例中，连续检测数据的数量可以为20-60个，例如可以为30个，较佳的，连续检测数据的数量为偶数。一实施例中，第一组和第二组的数量相同分别为15个，将第一组检测数据存储至y(1)…y(15)中，第二组检测数据存储至y(16)…y(30)中。
一实施例中，所述第一组的多个第一检测数据均是在所述第二组的多个第二检测数据之前获取的。
一实施例中，对一种运行参数，例如蒸发温度t进行监控时，参考下表1，为初始检测存储的情况：
表1：初始检测获得并存储的蒸发温度的检测数据
| 检测序号X(n) | 1 | 2 | 3 | … | 30 |
| 检测结果yi | t1 | t2 | t3 | … | t30 |
| 检测存储位置y(n) | y(1) | y(2) | y(3) | … | y(30) |
S120、使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据。
具体的，一实施例中，所述预设的拟合模型为线性模型；所述线性模型可以为，其中，n=1,2,3…j时，为第一拟合数据，其中，n=j+1,j+2…i时，为第二拟合数据，初始检测数据采样的序号为x(n)=n=1,2,3…j,j+1,j+2…i；其中j为第一检测数据的数量；i-j为第二检测数据的数量。
其中，参数b和a的计算方式为：；；其中，xi等于采样序号i，yi为采样的序号i对应的检测结果，为第一检测数据或者第二检测数据的平均值，为第一检测数据的序号平均值或者第二检测数据的序号平均值。
本实施例中，使用预设的拟合模型对第一检测数据进行第一线性拟合的时候，单独计算获得一组拟合参数，例如获取参数b1和a1，其中第一拟合数据的计算采用第一组拟合参数b1和a1，例如；使用预设的拟合模型对第二检测数据进行第二线性拟合的时候，单独计算获得二组拟合参数，例如获取参数b2和a2，其中第二拟合数据的计算采用第二组拟合参数b2和a2，例如。
一实施例中，参考下表2，为第一、第二拟合数据的分布情况：
表2：针对蒸发温度的检测数据计算的拟合数据
S130、确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和。
具体的，确定对应第一检测数据和第一拟合数据的第一方差和的计算方式为：；确定对应第二检测数据和第二拟合数据的第二方差和的计算方式为：；其中，为对应检测序号1至j获取的第一检测数据，为对应检测序号j+1至i获取的第二检测数据。为对应检测序号1至j获取第一拟合数据，为对应检测序号j+1至i获取第二拟合数据。
S140、根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。
一实施例中，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：，其中为灵敏度的控制参数，当成立时表示制冰机出现异常。当不成立时，表示当前制冷功能运行正常。基于预设的更新频率，例如10秒，移位更新检测数据后进一步判断是否成立，所述移位更新检测数据的方式为：；其中k=1,2,3…n-1，，其中为下一时刻获取的最新检测数据。
参考下表3，为第一次更新检测获得检测数据t31后存储和模拟的情况：
表3：第一次更新检测获得蒸发温度的检测数据以及拟合数据
参考下表4，为第二次更新检测获得检测数据t32后存储和模拟的情况：
表4：第二次更新检测获得蒸发温度的检测数据以及拟合数据
替代实施例中，可以对两种以上的运行参数进行判断，每一种运行参数的数据存储、参数计算以及判断方式可参考前述实施例。当同时对两种运行参数，例如蒸发温度t以及压缩机功率p进行监控时，蒸发温度数据可参考表1-4，压缩机功率p初始检测存储和模拟的情况参考下表5：
表5：初始检测获得压缩机功率的检测数据以及拟合数据
其中，为压缩机功率p每次检测后存储的位置，其中，对应检测序号1至j（上表中为1-15）获取的为压缩机功率的第一检测数据，对应检测序号j+1至i（上表中为16-30）获取的为压缩机功率的第二检测数据。为对应检测序号1至j获取的第三拟合数据，为对应检测序号j+1至i获取第四拟合数据。具体地，本实施例中，使用预设的拟合模型对压缩机功率中对应第一检测数据进行第三线性拟合的时候，单独计算获得第三组拟合参数，例如获取参数b3和a3，其中第三拟合数据的计算采用第三组拟合参数b3和a3，例如。使用预设的拟合模型对压缩机功率中对应的第二检测数据进行第四线性拟合的时候，单独计算获得第四组拟合参数，例如获取参数b4和a4，其中第四拟合数据的计算采用第四组拟合参数b4和a4，例如。根据方差和公式确定压缩机功率中对应的第一检测数据和第三拟合数据的第三方差和为，并根据方差和公式确定压缩机功率中对应的第二检测数据和第四拟合数据的第四方差和为。
本实施例中，可以对蒸发温度t以及压缩机功率p进行同步数据检测和同时判断，基于蒸发温度相关的判断公式为：；基于压缩机功率p相关的判断公式为：，其中，为蒸发温度的异常灵敏度参数，为压缩机功率的异常灵敏度参数，当上述两个公式都成立时，可以判断制冰机工作出现异常，否则制冰机属于正常工作。可以每间隔预设时间，例如10-30秒，采用与蒸发温度相同的方式更新并移位存储检测结果后重新判断，以实现对制冰机工作异常的实时监控。
一实施例中，所述预设运行参数还可以为多个，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：当、、…都成立时表示所述制冰机出现异常，其中、、…分别为不同预设运行参数的灵敏度的控制参数。
本实施例，所述移位更新检测数据的方式为：；其中k=1,2,3…n-1，，其中为下一时刻获取的最新检测数据。
参考下表6，为第一次更新检测获得压缩机功率的检测数据p31后存储和模拟的情况：
表6：第一次更新检测获得压缩机功率的检测数据以及拟合数据
参考下表7，为第二次更新检测获得压缩机功率的检测数据p32后存储和模拟的情况：
表7：第二次更新检测获得压缩机功率的检测数据以及拟合数据
相对于现有技术，本实施例的制冰机的异常检测方法将检测数据分成两组分别进行线性拟合，当出现工作异常后，被监控的至少一种运行参数对应的后一组拟合结果会大于前一组拟合结果的正常比例，也就是满足和/或满足，这样就能实时监控并发现是否出现异常；另外，由于同时进行两组关联运行参数的同步监控，避免了单次偶发性的数据异常导致的误报，进一步保证了制冰机异常判断的准确性。
替代实施例中，制冰机出现异常状态后，进一步包括：进行化霜融冰操作，或断电预设时间进行自然融化，或通知实施异常检查。具体的，可以通过预设程序在出现异常时候自动进行化霜融冰操作，或断电预设时间进行自然融化，或通知实施异常检查。也可以通过设置维护信息，根据异常出现的时间安排对应的维护工单，并发送至维护人员的手机。
替代实施例中，在判断异常出现后更新数量不超过第二组的数量时，如果异常判断在每次更新后持续出现，则可以确定所述异常为严重异常，需要通知实施异常检查，如果异常判断在每次更新后偶尔出现，则可以确定所述异常为临时异常，可以先进行化霜融冰操作，或断电预设时间进行自然融化。
替代实施例中，还可以对排气温度、蒸发温度、压缩机功率进行同步数据检测和同时判断，原理同前，就不再赘述。
【实施例二】
图2是本发明实施例二提供的一种制冰装置的示意图，该装置200可以由软件和/或硬件的方式来实现，并一般可集成于制冰机如图2所示，所述装置200包括参数接收模块210、参数拟合模块220、偏差计算模块230和异常判断模块240。
参数接收模块210用于获取制冰机预设运行参数的多个连续检测数据，所述连续检测数据包括第一组的多个第一检测数据和第二组的多个第二检测数据。
一实施例中，一并参阅图3，所述制冰机300可以包括压缩机310、冷凝器320、毛细管330、蒸发器340以及控制系统350，预设的运行参数可以是通过传感器361-364检测获得的压缩机310排气管的排气温度Tp、蒸发器340的蒸发温度Zf、压缩机功率以及冷凝器320的冷凝温度Ln的一个、两个或多个，本实施例中多个运行参数之间具有运行关联性，也就是说当制冷出现异常的情况下，这些具有运行关联性的参数之间的变化的规律相似，变化的幅度各有不同。具体地，可以在图3所示的压缩机310的排气管设置传感器361、蒸发器340的铜管出口设置传感器362以及冷凝器320输入节点设置传感器363或输出节点设置传感器364，用于感测对应的运行参数，控制系统350从传感器361-364获取对应的感测结果。
一实施例中，参数接收模块210用于将获得的连续检测数据按检测顺序依次存储至预设的存储单元，例如y(1)…y(n)中。一实施例中，对一种运行参数，例如蒸发温度t进行监控时，初始检测数据的存储情况参考表1。
一实施例中，所述第一组包括多个第一检测数据，所述第二组包括多个第二检测数据,所述第一组的多个第一检测数据均是在所述第二组的多个第二检测数据之前获取的。
一实施例中，连续检测数据的数量可以为20-60个，例如可以为30个，较佳的，连续检测数据的数量为偶数。一实施例中，第一组和第二组的数量相同分别为15个，将第一组检测数据存储至y(1)…y(15)中，第二组检测数据存储至y(16)…y(30)中。
参数拟合模块220用于使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据。
具体的，一实施例中，所述线性模型为，其中，n=1,2,3…j时，为第一拟合数据，其中，n=j+1,j+2…i时，为第二拟合数据，初始检测数据采样的序号为x(n)=n=1,2,3…j,j+1,j+2…i；j为第一检测数据的数量；i-j为第二检测数据的数量。
其中，参数b和a的计算方式为：；；其中，xi等于采样序号i，yi为采样的序号i对应的检测结果，为第一检测数据或者第二检测数据的平均值，为第一检测数据的序号平均值或者第二检测数据的序号平均值。
本实施例中，使用预设的拟合模型对第一检测数据进行第一线性拟合的时候，单独计算获得一组拟合参数，例如获取参数b1和a1，其中第一拟合数据的计算采用第一组拟合参数b1和a1，例如；使用预设的拟合模型对第二检测数据进行第二线性拟合的时候，单独计算获得二组拟合参数，例如获取参数b2和a2，其中第二拟合数据的计算采用第二组拟合参数b2和a2，例如。一实施例中，第二拟合数据的分布情况参考表2。
偏差计算模块230用于确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和。
具体的，确定对应第一检测数据和第一拟合数据的第一方差和的计算方式为：；确定对应第二检测数据和第二拟合数据的第二方差和的计算方式为：；其中，为对应检测序号1至j获取的第一检测数据，为对应检测序号j+1至i获取的第二检测数据。为对应检测序号1至j获取第一拟合数据，为对应检测序号j+1至i获取第二拟合数据。
异常判断模块240用于根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。
一实施例中，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：，其中α为灵敏度的控制参数，当成立时表示制冰机出现异常。当不成立时，表示当前制冷功能运行正常。基于预设的更新频率，例如10秒，移位更新检测数据后进一步判断是否成立，所述移位更新检测数据的方式为：；其中k=1,2,3…n-1，，其中为下一时刻获取的最新检测数据。
第一次更新检测获得检测数据t31后存储和模拟的情况参考表3。第二次更新检测获得检测数据t32后存储和模拟的情况参考表4。
替代实施例中，可以对两种以上的运行参数进行判断，每一种运行参数的数据存储、参数计算以及判断方式可参考前述实施例。当同时对两种运行参数，例如蒸发温度t以及压缩机功率p进行监控时，蒸发温度数据可参考表1-4，压缩机功率p初始检测存储和模拟的情况参考表5。
其中，为压缩机功率p每次检测后存储的位置，其中，为对应检测序号1至j（上表中为1-15）获取的为压缩机功率的第一检测数据，对应检测序号j+1至i（上表中为16-30）获取的为压缩机功率的第二检测数据。为对应检测序号1至j获取第三拟合数据，为对应检测序号j+1至i获取第四拟合数据。具体地，本实施例中，使用预设的拟合模型对压缩机功率中对应第一检测数据进行第三线性拟合的时候，单独计算获得三组拟合参数，例如获取参数b3和a3，其中第三拟合数据的计算采用第三组拟合参数b3和a3，例如。使用预设的拟合模型对压缩机功率中对应的第二检测数据进行第四线性拟合的时候，单独计算获得四组拟合参数，例如获取参数b4和a4，其中第四拟合数据的计算采用第四组拟合参数b4和a4，例如。根据方差和公式确定压缩机功率中对应的第一检测数据和第三拟合数据的第三方差和为，根据方差和公式确定压缩机功率中对应的第二检测数据和第四拟合数据的第四方差和为。
本实施例中，可以对蒸发温度t以及压缩机功率p进行同步数据检测和同时判断，基于蒸发温度相关的判断公式为：；基于压缩机功率p相关的判断公式为：，其中，为蒸发温度的异常灵敏度参数，为压缩机功率的异常灵敏度参数，当上述两个公式都成立时，可以判断制冰机工作出现异常，否则制冰机属于正常工作。可以每间隔预设时间，例如10-30秒，采用与蒸发温度相同的方式更新并移位存储检测结果后重新判断，以实现对制冰机工作异常的实时监控。
第一次更新检测获得压缩机功率的检测数据p31后存储和模拟的情况参考表6。第二次更新检测获得压缩机功率的检测数据p32后存储和模拟的情况参考表7。
本实施例的异常检测装置将检测数据分成两组分别进行线性拟合，当出现工作异常后，被监控的至少一种运行参数对应的后一组拟合结果会大于前一组拟合结果的正常比例，也就是满足和/或满足，这样就能实时监控并发现是否出现异常；另外，由于同时进行两组关联运行参数的同步监控，避免了单次偶发性的数据异常导致的误报，进一步保证了制冰机异常判断的准确性。
一实施例中，所述预设运行参数为多个，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：当、、…都成立时表示所述制冰机出现异常，其中、、…分别为不同预设运行参数的灵敏度的控制参数。替代实施例中，还可以进一步包括：融冰操作模块，用于出现异常后进行化霜融冰操作；断电融化模块，用于出现异常后断电预设时间进行自然融化；异常通知模块，用于在出现异常后通知实施异常检查。
替代实施例中，异常检测模块在判断异常出现后更新数量不超过第二组的数量时，如果异常判断在每次更新后持续出现，则可以确定所述异常为严重异常，需要通知实施异常检查，如果异常判断在每次更新后偶尔出现，则可以确定所述异常为临时异常，可以先进行化霜融冰操作，或断电预设时间进行自然融化。
上述制冰装置可执行本发明任意实施例所提供的制冰机的异常检测方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的制冰机的异常检测方法。由于上述所介绍的制冰装置为可以执行本发明实施例中的制冰机的异常检测方法的装置，故而基于本发明实施例中所介绍的制冰机的异常检测方法，本领域所属技术人员能够了解本实施例的制冰装置的具体实施方式以及其各种变化形式，所以在此对于该制冰装置如何实现本发明实施例中的制冰机的异常检测方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中制冰机的异常检测方法所采用的装置，都属于本申请所欲保护的范围。
【实施例三】
图3示出了本发明的实施例三提供的一种制冰机的结构示意图。图4是图3制冰机的控制系统的结构示意图。如图3所示，制冰机300可以包括压缩机310、冷凝器320、毛细管330、蒸发器340以及控制系统350。控制系统350包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储控制系统350操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
控制系统350中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许控制系统350通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于单片机、中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如制冰机的异常检测方法。
在一些实施例中，制冰机的异常检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到制冰机300的控制系统350上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的制冰机的异常检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行制冰机的异常检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在移动终端上实施此处描述的系统和技术，该移动终端具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给移动终端。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
【实施例四】
本发明实施例四还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的制冰机的异常检测方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器（Read-Only Memory，ROM）、可擦式可编程只读存储器（Erasable Programmable Read-OnlyMemory，EPROM，或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、射频（Radio Frequency，RF）等等，或者上述的任意合适的组合。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应所述明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (11)
1.一种制冰机的异常检测方法，其特征在于，包括：
获取制冰机的预设运行参数的多个连续检测数据，所述连续检测数据包括第一组的多个第一检测数据和第二组的多个第二检测数据；
使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据；
确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和；
根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。
2.根据权利要求1所述的制冰机的异常检测方法，其特征在于，所述预设的拟合模型为线性模型；所述第一组的多个第一检测数据均是在所述第二组的多个第二检测数据之前获取的。
3.根据权利要求2所述的制冰机的异常检测方法，其特征在于，所述线性模型为，
其中，n=1,2,3…j时，为第一拟合数据，
其中，n=j+1,j+2…i时，为第二拟合数据，
初始检测数据采样的序号为x(n)=n=1,2,3…j,j+1,j+2…i；其中j为第一检测数据的数量；i-j为第二检测数据的数量，
其中，参数b和a的计算方式为：
；
；
其中，xi等于采样序号i，yi为采样的序号i对应的检测结果，为第一检测数据或者第二检测数据的平均值，为第一检测数据的序号平均值或者第二检测数据的序号平均值。
4.根据权利要求3所述的制冰机的异常检测方法，其特征在于，确定对应第一检测数据和第一拟合数据的第一方差和的计算方式为：
；
确定对应第二检测数据和第二拟合数据的第二方差和的计算方式为：
；
其中，为对应检测序号1至j获取的第一检测数据，为对应检测序号j+1至i获取的第二检测数据。
5.根据权利要求4所述的制冰机的异常检测方法，其特征在于，所述根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：当成立时表示所述制冰机出现异常，其中为灵敏度的控制参数。
6.根据权利要求5所述的制冰机的异常检测方法，其特征在于，当不成立时，移位更新检测数据后进一步判断是否成立，所述移位更新检测数据的方式为：，其中k=1,2,3…n-1；，其中为下一时刻获取的最新检测数据。
7.根据权利要求5所述的制冰机的异常检测方法，所述预设运行参数为两个或多个时，根据每个预设运行参数的第一方差和与第二方差和之间的关系确认所述制冰机的异常状态的判断方式为：当、、…均成立时表示所述制冰机出现异常，其中、、…分别为不同预设运行参数的灵敏度的控制参数。
8.根据权利要求1-6任一项所述的制冰机的异常检测方法，所述预设的运行参数可以为排气温度、蒸发温度、压缩机功率以及冷凝温度中的一个、两个或者多个。
9.一种制冰装置，其特征在于，包括：
参数接收模块，用于获取制冰机预设运行参数的多个连续检测数据，所述连续检测数据包括第一组的多个第一检测数据和第二组的多个第二检测数据；
参数拟合模块，用于使用预设的拟合模型对第一检测数据进行第一线性拟合，以获取每个第一检测数据对应的第一拟合数据；使用预设的拟合模型对第二检测数据进行第二线性拟合，以获取每个第二检测数据对应的第二拟合数据；
偏差计算模块，用于确定对应第一检测数据和第一拟合数据的第一方差和，以及对应第二检测数据和第二拟合数据的第二方差和；
异常判断模块，用于根据所述第一方差和与所述第二方差和之间的关系确认所述制冰机的异常状态。
10.一种制冰机，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的制冰机的异常检测方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的制冰机的异常检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411426896.XA CN118935848B (zh) | 2024-10-14 | 2024-10-14 | 制冰机的异常检测方法、制冰装置、制冰机和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411426896.XA CN118935848B (zh) | 2024-10-14 | 2024-10-14 | 制冰机的异常检测方法、制冰装置、制冰机和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118935848A true CN118935848A (zh) | 2024-11-12 |
| CN118935848B CN118935848B (zh) | 2025-01-14 |
Family
ID=93363423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411426896.XA Active CN118935848B (zh) | 2024-10-14 | 2024-10-14 | 制冰机的异常检测方法、制冰装置、制冰机和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118935848B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1713182A (zh) * | 2004-06-23 | 2005-12-28 | 微软公司 | 数据透视中的异常检测 |
| JP2012138388A (ja) * | 2010-12-24 | 2012-07-19 | Toshiba Corp | 異常検知装置、方法およびその方法をコンピュータに実行させるプログラム |
| CN110414154A (zh) * | 2019-07-31 | 2019-11-05 | 北京天泽智云科技有限公司 | 一种带有双测点的风机部件温度异常检测和报警方法 |
| CN114298281A (zh) * | 2021-12-29 | 2022-04-08 | 深圳市宏电技术股份有限公司 | 水位测量数据中异常数据的检测方法、装置、设备及介质 |
| CN115045807A (zh) * | 2022-05-09 | 2022-09-13 | 浙江运达风电股份有限公司 | 一种风力发电机组发电机转速异常检测方法 |
| CN117928139A (zh) * | 2024-03-19 | 2024-04-26 | 宁波惠康工业科技股份有限公司 | 制冰机运行状态实时监控系统及方法 |
-
2024
- 2024-10-14 CN CN202411426896.XA patent/CN118935848B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1713182A (zh) * | 2004-06-23 | 2005-12-28 | 微软公司 | 数据透视中的异常检测 |
| JP2012138388A (ja) * | 2010-12-24 | 2012-07-19 | Toshiba Corp | 異常検知装置、方法およびその方法をコンピュータに実行させるプログラム |
| CN110414154A (zh) * | 2019-07-31 | 2019-11-05 | 北京天泽智云科技有限公司 | 一种带有双测点的风机部件温度异常检测和报警方法 |
| CN114298281A (zh) * | 2021-12-29 | 2022-04-08 | 深圳市宏电技术股份有限公司 | 水位测量数据中异常数据的检测方法、装置、设备及介质 |
| CN115045807A (zh) * | 2022-05-09 | 2022-09-13 | 浙江运达风电股份有限公司 | 一种风力发电机组发电机转速异常检测方法 |
| CN117928139A (zh) * | 2024-03-19 | 2024-04-26 | 宁波惠康工业科技股份有限公司 | 制冰机运行状态实时监控系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118935848B (zh) | 2025-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190204818A1 (en) | Data collection system, abnormality detection method, and gateway device | |
| US20080249743A1 (en) | Load calculating device and load calculating method | |
| CN104748327B (zh) | 一种基于电耗数据的公共建筑空调能效诊断系统 | |
| CN108696368B (zh) | 一种网元健康状态的检测方法及设备 | |
| JP2019121162A (ja) | 監視装置、監視方法および監視プログラム | |
| TW201738677A (zh) | 資料處理裝置、資料處理系統、資料處理方法以及程式 | |
| CN106642584A (zh) | 一种空调运行的控制方法及装置 | |
| CN112101665A (zh) | 故障检测预警方法、装置、存储介质及电子设备 | |
| CN114460529A (zh) | 一种电能表误差在线评估方法、装置、设备及存储介质 | |
| WO2016136391A1 (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
| CN117092980B (zh) | 一种基于大数据的电气故障检测控制系统 | |
| CN111473471A (zh) | 一种多联机能耗计量方法及系统 | |
| JP6618846B2 (ja) | 管理装置および制御方法 | |
| CN110454910B (zh) | 一种空调除霜的方法及设备 | |
| CN118935848B (zh) | 制冰机的异常检测方法、制冰装置、制冰机和存储介质 | |
| CN118408602B (zh) | 一种用于开关柜健康状态智能监测装置 | |
| CN115062026B (zh) | 一种用电数据的检测方法、装置、电子设备及存储介质 | |
| KR20160026492A (ko) | 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법 | |
| CN116127326B (zh) | 一种复合绝缘子检测方法、装置、电子设备及存储介质 | |
| CN117148038A (zh) | 一种故障诊断方法、装置、电子设备和存储介质 | |
| CN114975184A (zh) | 半导体良率监测方法、装置、电子设备和存储介质 | |
| CN108830476B (zh) | 认知测试性信息流的评估方法及终端设备 | |
| CN113376562A (zh) | 基于滚动时窗—fcm聚类的cvt校验方法、设备及介质 | |
| Shi et al. | CRPS chart: S imultaneously monitoring location and scale under data‐rich environment | |
| CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 518000 3301, Building C, Lot 1, Chuangzhi Yuncheng, Liuxian Avenue, Xili Community, Xili Street, Nanshan District, Shenzhen, Guangdong Patentee after: Shenzhen Zhiyan Technology Co.,Ltd. Country or region after: China Patentee after: Shenzhen Qianyan Technology Co.,Ltd. Address before: 518000 3301, Building C, Lot 1, Chuangzhi Yuncheng, Liuxian Avenue, Xili Community, Xili Street, Nanshan District, Shenzhen, Guangdong Patentee before: SHENZHEN ZHIYAN TECHNOLOGY Co.,Ltd. Country or region before: China Patentee before: Shenzhen Qianyan Technology Co.,Ltd. |