(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 202210777300.5 (22)申请日 2022.07.01 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 曾庆龙　李亚楠　 (74)专利代理 机构 安徽初升专利代理事务所 (普通合伙) 3423 3 专利代理师 曹雪菲 (51)Int.Cl. G01D 21/02(2006.01) G01D 7/00(2006.01) G06N 20/00(2019.01) G06N 3/063(2006.01) (54)发明名称 一种基于机器学习的空调故障预警系统及 方法 (57)摘要 本发明属于人工智能技术领域， 且公开了一 种基于机器学习的空调故障预警系统， 包括监测 模块、 机器学习模块、 处理器模块、 对照模型和报 警模块； 监测模块包括空气流量传感器、 温度传 感器、 湿度传感器、 电流传感器和数据收集模块； 机器学习模型包括数据组、 分析组和结论模型。 本发明通过监测模块实时收集各类传感器数据 并进行高效整合， 相比较传统的数据 收集模式， 具有时间快， 条理清晰的优点， 通过设置两个相 互独立工作的CPU一号和CPU二号依次负责系统 运行预警和机器学习模型的训练， 提高系统运行 效率， 通过设置有对照模型与机器学习模型进行 实时比对， 从而利用源源不断的数据进行监测， 从而大幅度提高预警结果的准确率。 权利要求书2页 说明书4页 附图1页 CN 115235539 A 2022.10.25 CN 115235539 A 1.一种基于机器学习的空调故障预警系统， 其特征在于： 包括监测模块、 机器学习模 块、 处理器模块、 对照模 型和报警模块； 监测模块包括空气流量传感器、 温度传感器、 湿度传 感器、 电流传感器和数据收集模块； 机器学习模型包括数据 组、 分析组和结论模型； 处理器 模块包括CPU一号和 CPU二号； 对照模型包括历史数据和实时数据； 报警模块包括供独立电 模块和蜂鸣器。 2.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： 处理器 模块包含的CPU一 号和CPU二 号， CPU一 号和CPU二 号独立工作， 采用独立电源供电。 3.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： 数据收 集模块内置固态硬盘和机械硬盘， 负责存储备份数据， 备份数据每个10天至半个月清理一 次。 4.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： 对照模 型中的历史数据包括监测模块采集的所有 数据， 实时数据为经过 处理器模块处理的传输数 据， 传输时间为 ±15min。 5.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： 报 警模 块中的独立供电模块采用多通道供电且至少留有两条 备用供电线路。 6.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： CPU一 号和CPU二号均内置神经网络引擎， 且两者的数据存储均为本地存储， 完全与线上云端隔 离。 7.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： CPU一 号和CPU二号相互独立工作， CPU二号专门用于创建和训练机器学习模 型， CPU一号负责联系 报警模块与机器学习模块。 8.根据权利要求1所述的一种基于机器学习的空调故障预警系统， 其特征在于： 机器学 习模型中的分析模型为经过数据 组学习整合后的综合信息， 其中包含有空气流量信息、 温 度信息、 湿度信息和供电信息 。 9.根据权利要求1 ‑8所述的一种基于机器学习的空调故障预警系统的使用方法， 其特 征在于： 步骤一： 空气流量传感器放置在中央空调的通风管道， 将温度传感器和湿度传感器放 置在目标制冷室内， 将电流传感器至于中央空调的供电组件中， 将上述四个传感器收集的 数据传递至数据收集模块并进行汇总； 步骤二： 将收集的数据传递至机器学习模型， 使CPU二号结合数据进行学习并生产分析 模型， 随着检测模块远 远不断输送的数据最终形成结论模型； 步骤三： CPU二号将学习完毕的机器学习模型传递至CPU一号， 使之相融合并不断加 强 故障预警准确度； 步骤四： 数据组在进行分析学习后通过CPU二号传递至对照模型中并生成历史数据和 实时数据； 步骤五： 来自检监测模块的数据不断生产机器嘘唏模型中的数据组， 对照模型的结果 与机器学习模型的结果 通过CPU一 号进对比， 一 旦偏差值大于设定值， 则判定出现故障； 步骤六： CPU一号控制报警模块启动， 由独立供电模块进行供电， 蜂鸣器启动并产生预 警信号；权　利　要　求　书 1/2 页 2 CN 115235539 A 2步骤七： CPU二号检测数据出现异常的时间线， 从而得出空气流量、 温度、 湿度和供电四 大系统的异常， 从而辅助工作人员进行定点检查。权　利　要　求　书 2/2 页 3 CN 115235539 A 3