(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211269079.9 (22)申请日 2022.10.17 (71)申请人 图林科技 （深圳） 有限公司 地址 518109 广东省深圳市龙华区龙华 街 道三联社区新弓村5号联汇大厦4层 W57 (72)发明人 向志锋　 (74)专利代理 机构 上海旭新专利代理事务所 (普通合伙) 31474 专利代理师 毛碧娟 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) F25B 49/00(2006.01)H04L 43/18(2022.01) H04L 67/12(2022.01) (54)发明名称 一种制冷 设备运行状态故障诊断方法 (57)摘要 本发明公开一种制冷设备运行状态故障诊 断方法， 涉及数据识别及故障处理技术领域， 解 决的技术问题是制冷设备运行状态故障诊断， 本 发明包括以下步骤： 一、 通过数据采集模块采集 制冷设备运行状态数据信息， 并将采集到的数据 信息通过基于优先级通信协议的数据通信模块 实现数据信息传递， 所述数据采集模块为基于 Clara算法模型的数据采集模块； 二、 通过数据分 类模型对采集到的数据信息进行信息分类， 基于 改进型神经网络模型对分类后的数据信息进行 学习性故障诊断； 三、 诊断出的数据信息动态显 示。 本发明能够根据制冷设备运行状态输出的数 据信息进行分析， 实现制冷设备运行状态故障诊 断， 大大提高了运行状态故障诊断能力。 权利要求书3页 说明书9页 附图6页 CN 115374881 A 2022.11.22 CN 115374881 A 1.一种制冷设备运行状态故障诊断方法， 其特 征在于： 包括以下步骤： 步骤一、 通过数据采集模块采集制冷设备运行状态数据信息， 并将采集到的制冷设备 运行状态数据信息通过基于优先级通信协议的数据通信模块 实现数据信息传递， 其中所述 数据采集模块为基于Clara算法模 型的数据采集模块， 所述Clara算法模 型包括数据输入模 块、 数据编码模块、 数据加速模块和数据属性划分模块， 其中所述数据输入模块的输出端与 数据编码模块的输入端连接， 所述数据编码模块的输出端与数据加速模块的输入端连接， 所述数据加速模块的输出端与数据属性划分模块的输入端连接； 步骤二、 通过数据分类模型对采集到的数据信息进行信息分类， 基于改进型神经网络 模型对分类后的数据信息进行学习性故障诊断； 所述数据分类模型为聚类分类模块； 所述 改进型神经网络模型包括搜索 模块， 所述搜索 模块用于从制冷设备运行状态大数据信息中 搜索目标 数据信息， 提高数据信息应用能力； 步骤三、 诊断出的数据信息在大数据平台中存储， 以动态显示制冷设备运行状态故障 诊断数据信息 。 2.根据权利要求1所述的一种制冷设备运行状态故障诊断方法， 其特征在于： 所述数据 采集模块包括芯片AMIS ‑49587和芯片CS546 3。 3.根据权利要求1所述的一种制冷设备运行状态故障诊断方法， 其特征在于： 所述数据 输入模块设置有数据兼容接口， 所述数据编码模块设置有数据编码控制 器， 所述数据加速 模块设置有基于PFGA控制模块， 所述数据属性划分模块设置数据属性设置模块。 4.根据权利要求1所述的一种制冷设备运行状态故障诊断方法， 其特征在于： 所述数据 通信模块包括通信协 议识别模块、 优先级计算模块、 优先级排序模块和通信协 议匹配模块， 其中所述通信协 议识别模块用于识别数据通信过程中的通信协 议， 优先级计算模块用于计 算数据通信过程中的通信协 议， 优先级排序模块用于对计算出的数据通信的通信协 议按照 优先等级进行排列， 所述通信协议匹配模块用于配对计算出的数据通信过程中的通信协 议， 其中所述通信协议识别模块的输出端与优先级计算模块的输入端连接， 所述优先级计 算模块的输出端与优先级排序模块的输入端连接， 所述优先级排序模块的输出端与通信协 议匹配模块的输入端连接 。 5.根据权利要求1所述的一种制冷设备运行状态故障诊断方法， 其特征在于： 所述聚类 分类模块包括聚类中心设置模块和分别与所述聚类中心设置模块连接的聚类间隔模块、 数 据划分模块和中心点距离判断模块， 其中所述聚类中心设置模块用于设置聚类中心参数， 所述聚类间隔模块用于 设置不同数据信息的间隔， 所述数据划分模块用于划分不同数据信 息， 所述中心点距离判断模块用于计算 不同数据信息之间距离 。 6.根据权利要求1所述的一种制冷设备运行状态故障诊断方法， 其特征在于： 改进型神 经网络模型包括输入层、 隐含层和输出层， 其中所述隐含层内设置 搜索模块。 7.根据权利要求6所述的一种制冷设备运行状态故障诊断方法， 其特征在于： 改进型神 经网络模型实现制冷设备运行状态故障诊断的方法为： 步骤一： 首先利用BP神经网络前向进行计算， 将采集到的制冷设备运行状态数据经输 入层输入神经网络， 原始数据设为 ， 其中 表示原始制冷设备运行状态数权　利　要　求　书 1/3 页 2 CN 115374881 A 2据， n表示数据节点个数， 隐含层设为： ， 表示隐含层， j表示蕴含节点， i 表示输入数据排序， N表示累加次数， 表示不同数据信息之间的权值， 表示数据信息 的阈值， 输出层设为 ， 表示输出层， H表示累加次数， 各个层次之间不同 的数据权值由以及隐藏层数据输出 进行表示； 在输入层中第n个节点的输出用 来表 示， 输出层的第n个节点的输出用 来表示， 隐含层中第j个节点的输出用 来表示， 用 和 来表示其中的阈值， 各个节点的输出函数分别表示 为： （1） 公式 （1） 表示输入层节点的输出函数， 其中e表示欧拉数； （2） 公式 （2） 表示隐含层数据输出函数； （3） 公式 （3） 表示输出层的数据信息函数； 步骤二： 对神经网络 中的数据信息进行平均误差消除；  神经网络中制冷设备运行状态 运行数据样本的平均误差表示 为： （4） 公式 （4） 中， 通过N来表示神经网络训练过程中样本的个数， 通过M来表示输出过程中神 经元的数量， 通过 来表示训练过程中第k个训练样本的均方误差， 通过 来表示第k 个样本中最终输出的神经 元m的误差， 通过E来表示整体训练过程结束时的判断参数； 步骤三： 通过搜素模块进行数据信 息搜索， 搜索方法为蚁群算法， 通过寻找优化路径的 概率查找制冷设备运行状态故障数据信息； 步骤四： 逆向传递误差， 在BP神经网络中制冷设备运行状态运行数据进行反向传递 时， 主要进行如下的步骤： 首 先对隐含层和输出层之间的权值进行计算， 计算 通过该式进行： （5） 公式 （5） 中， 表示隐含层和输出层之间的权值， 表示制冷设备运行状态运行数据 的数值增益系数； 之后计算输入层和隐含层之间的权值， 通过公式 （5） 进行计算： （6） 公式 （5） 、 公式 （6） 中 ， 表示输出层节点 （p,m） 处输入，权　利　要　求　书 2/3 页 3 CN 115374881 A 3