冷风机缺氟保护报警模型的构建方法、报警方法及冷风机与流程

本发明涉及冷风机设备技术领域，特别是涉及一种冷风机缺氟保护报警模型的构建方法、报警方法及冷风机。

背景技术：

随着科技的发展，社会的进步，具有智能操控系统的家电的技术已深入到人们的生活之中，智能家电就是将微处理器、传感器技术和网络通信技术引入家电设备后形成的家电产品，具有自动感知能力，在人们对智能家电产品的日益需求不断提升的背景下，现有的家电产品大都朝着更加智能化、更加自动化的方向发展。

现有的冷风机设备如果安装不到位或者运行时间过久就会缺氟，如果压缩机长时间在缺氟状态下持续运行会造成压缩机损坏。现有的冷风机一般不具有缺氟保护机制，当冷风机运行时间过久而导致缺氟时，往往未能及时停止冷风机的运转，导致压缩机长时间在缺氟状态下持续运行而损坏。

有鉴于此，本发明人特别研发了一种冷风机缺氟保护报警模型的构建方法、报警方法及冷风机，本案由此产生。

技术实现要素：

为解决上述冷风机在缺氟状态下持续运行造成压缩机损坏的问题，本发明提供了一种冷风机缺氟保护报警模型的构建方法、报警方法及冷风机。

为实现上述目的，本发明采用的技术方案如下：一种冷风机缺氟保护报警模型的构建方法，包括：

获取冷风机正常运行和/或缺氟运行时的运行参数；

获取冷风机正常运行和/或缺氟运行时的环境参数；

根据多次获取的运行参数及与运行参数对应的环境参数，使用神经网络模型进行训练，训练后获得冷风机缺氟保护报警模型。

进一步的，运行参数包括冷风机的运行模式、设定温度、风速、摆风控制中的一种或多种。

进一步的，环境参数包括室内温度、室内温度变化速度、室内湿度、室内湿度变化速度、室内气压中的一种或多种。

进一步的，冷风机缺氟保护报警模型为多层深度信念网络模型。

一种冷风机缺氟保护的报警方法，包括：

获取冷风机当前运行时的运行参数及对应的环境参数；

将获取的运行参数及对应的环境参数输入冷风机缺氟保护报警模型；

根据冷风机缺氟保护报警模型输出的结果发出缺氟报警。

一种冷风机，包括冷风机主体，还包括运行参数获取装置、环境参数获取装置、冷风机缺氟保护报警模型构建装置、警报装置，

所述运行参数获取装置，用于获取冷风机运行时的运行参数；

所述环境参数获取装置，用于获取冷风机运行时的环境参数；

所述冷风机缺氟保护报警模型构建装置，用于根据冷风机的运行参数及对应的环境参数对神经网络模型进行训练，构建冷风机缺氟保护报警模型；

所述警报装置，用于根据冷风机缺氟保护报警模型输出的结果发出缺氟报警。

进一步的，还包括控制终端，所述控制终端与警报装置信号连接，用于接收警报装置发送的报警信息。

进一步的，还包括通信装置，所述通信装置用于控制终端与警报装置信号连接。

进一步的，还包括底座、转轴、控制器，所述冷风机主体通过转轴设于底座上，所述控制器控制冷风机主体绕转轴旋转。

进一步的，还包括人体感应装置，所述的人体感应装置设于冷风机主体上，所述控制器与人体感应装置电连接，用于根据人体感应装置检测到的人体信息控制冷风机工作。

由上述对本发明的描述可知，与现有技术相比，本发明的冷风机缺氟保护报警模型的构建方法、报警方法及冷风机，通过构建冷风机缺氟保护报警模型，实现冷风机缺氟保护的自动报警，及时提醒用户冷风机的缺氟信息，避免冷风机长时间在缺氟状态下持续运行而造成压缩机损坏，延长了冷风机的使用寿命。

附图说明

图1为本发明第一种实施例冷风机缺氟保护报警模型的构建方法；

图2为本发明第一种实施例冷风机缺氟保护的报警方法；

图3为本发明第一种实施例冷风机的结构示意图；

图4为本发明第一种实施例冷风机的电连接示意图；

图5为本发明第二种实施例冷风机缺氟保护报警模型的构建方法；

图6为本发明第三种实施例冷风机缺氟保护报警模型的构建方法；

图7为本发明第四种实施例冷风机缺氟保护报警模型的构建方法。

具体实施方式

本发明的核心是提供一种冷风机缺氟保护报警模型的构建方法、报警方法及冷风机，通过构建冷风机缺氟保护报警模型，实现冷风机缺氟保护的自动报警，及时提醒用户冷风机的缺氟信息，避免冷风机长时间在缺氟状态下持续运行而造成压缩机损坏。

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，都属于本发明保护的范围。具体实施例一：

参照图1～图4所示，本实施例公开了一种冷风机缺氟保护报警模型的构建方法，包括：

获取冷风机正常运行时的运行参数及对应的环境参数；

根据多次获取的冷风机正常运行时的运行参数及与运行参数对应的环境参数，使用神经网络模型进行训练，训练后获得冷风机缺氟保护报警模型，所述的冷风机缺氟保护报警模型为多层深度信念网络模型。

所述的运行参数包括冷风机的运行模式、设定温度、风速、摆风控制中的一种或多种。

所述的环境参数包括室内温度、室内温度变化速度、室内湿度、室内湿度变化速度、室内气压中的一种或多种。

还公开了一种冷风机缺氟保护的报警方法，包括：

获取冷风机当前运行时的运行参数及对应的环境参数；

将获取的冷风机当前运行时的运行参数及对应的环境参数输入冷风机缺氟保护报警模型；

根据冷风机缺氟保护报警模型输出的结果发出缺氟报警，当冷风机当前运行时的运行参数及对应的环境参数满足冷风机正常运行时的运行参数及对应的环境参数时，则认定冷风机正常运行，不发出缺氟报警；当冷风机当前运行时的运行参数及对应的环境参数不满足冷风机正常运行时的运行参数及对应的环境参数时，则认定冷风机处于缺氟运行状态，发出缺氟报警。

一种冷风机，包括冷风机主体1，还包括运行参数获取装置2、环境参数获取装置3、冷风机缺氟保护报警模型构建装置4、警报装置5，

所述运行参数获取装置2，用于获取冷风机运行时的运行参数；

所述环境参数获取装置3，用于获取冷风机运行时的环境参数；

所述冷风机缺氟保护报警模型构建装置4，用于根据冷风机的运行参数及对应的环境参数对神经网络模型进行训练，构建冷风机缺氟保护报警模型；

所述警报装置5，用于根据冷风机缺氟保护报警模型输出的结果发出缺氟报警。

所述的还包括控制终端6，所述控制终端6与警报装置5信号连接，用于接收警报装置5发送的报警信息。

所述的还包括通信装置7，所述通信装置7用于控制终端6与警报装置5信号连接。

所述的还包括底座8、转轴9、控制器10，所述冷风机主体1通过转轴9设于底座8上，所述控制器10控制冷风机主体1绕转轴9旋转。

所述的还包括人体感应装置11，所述的人体感应装置11设于冷风机主体1上，所述控制器10与人体感应装置11电连接，用于根据人体感应装置11检测到的人体信息控制冷风机工作，所述的控制器10与冷风机缺氟保护报警模型构建装置4电连接，用于根据冷风机缺氟保护报警模型构建装置4输出的结果控制冷风机工作。

具体实施例二：

参照图5所示，如实施例一所述的冷风机缺氟保护报警模型的构建方法，本实施例的冷风机缺氟保护报警模型的构建方法包括：

获取冷风机缺氟运行时的运行参数及对应的环境参数；

根据多次获取的冷风机缺氟运行时的运行参数及与运行参数对应的环境参数，使用神经网络模型进行训练，训练后获得冷风机缺氟保护报警模型，所述的冷风机缺氟保护报警模型为多层深度信念网络模型。

所述的运行参数包括冷风机的运行模式、设定温度、风速、摆风控制中的一种或多种。

所述的环境参数包括室内温度、室内温度变化速度、室内湿度、室内湿度变化速度、室内气压中的一种或多种。

还公开了一种冷风机缺氟保护的报警方法，包括：

获取冷风机当前运行时的运行参数及对应的环境参数；

将获取的冷风机当前运行时的运行参数及对应的环境参数输入冷风机缺氟保护报警模型；

根据冷风机缺氟保护报警模型输出的结果发出缺氟报警，当冷风机当前运行时的运行参数及对应的环境参数不满足冷风机缺氟运行时的运行参数及对应的环境参数时，则认定冷风机正常运行，不发出缺氟报警；当冷风机当前运行时的运行参数及对应的环境参数满足冷风机缺氟运行时的运行参数及对应的环境参数时，则认定冷风机处于缺氟运行状态，发出缺氟报警。

具体实施例三：

参照图6所示，如实施例一所述的冷风机缺氟保护报警模型的构建方法，本实施例的冷风机缺氟保护报警模型的构建方法包括：

获取冷风机正常运行时的运行参数及冷风机缺氟运行时的环境参数；

根据多次获取的冷风机正常运行时的运行参数及冷风机缺氟运行时的环境参数，使用神经网络模型进行训练，训练后获得冷风机缺氟保护报警模型，所述的冷风机缺氟保护报警模型为多层深度信念网络模型。

所述的运行参数包括冷风机的运行模式、设定温度、风速、摆风控制中的一种或多种。

所述的环境参数包括室内温度、室内温度变化速度、室内湿度、室内湿度变化速度、室内气压中的一种或多种。

还公开了一种冷风机缺氟保护的报警方法，包括：

获取冷风机当前运行时的运行参数及对应的环境参数；

将获取的冷风机当前运行时的运行参数及对应的环境参数输入冷风机缺氟保护报警模型；

根据冷风机缺氟保护报警模型输出的结果发出缺氟报警，当冷风机当前运行的运行参数满足冷风机正常运行时，判断其对应的环境参数是否满足冷风机缺氟运行时的环境参数，如果满足，则认定冷风机缺氟运行，发出缺氟报警，如果不满足，则认定冷风机正常运行，不发出缺氟报警；

当冷风机当前运行的运行参数不满足冷风机正常运行时，判断其对应的环境参数是否满足冷风机缺氟运行时的环境参数，如果满足，则认定冷风机缺氟运行，发出缺氟报警，如果不满足，则认定冷风机正常运行，不发出缺氟报警。

具体实施例四：

参照图7所示，如实施例一所述的冷风机缺氟保护报警模型的构建方法，本实施例的冷风机缺氟保护报警模型的构建方法包括：

获取冷风机缺氟运行时的运行参数及冷风机正常运行时的环境参数；

根据多次获取的冷风机缺氟运行时的运行参数及冷风机正常运行时的环境参数，使用神经网络模型进行训练，训练后获得冷风机缺氟保护报警模型，所述的冷风机缺氟保护报警模型为多层深度信念网络模型。

所述的运行参数包括冷风机的运行模式、设定温度、风速、摆风控制中的一种或多种。

所述的环境参数包括室内温度、室内温度变化速度、室内湿度、室内湿度变化速度、室内气压中的一种或多种。

还公开了一种冷风机缺氟保护的报警方法，包括：

获取冷风机当前运行时的运行参数及对应的环境参数；

将获取的冷风机当前运行时的运行参数及对应的环境参数输入冷风机缺氟保护报警模型；

根据冷风机缺氟保护报警模型输出的结果发出缺氟报警，当冷风机当前运行的运行参数满足冷风机缺氟运行时，判断其对应的环境参数是否满足冷风机正常运行时的环境参数，如果不满足，则认定冷风机缺氟运行，发出缺氟报警，如果满足，则认定冷风机正常运行，不发出缺氟报警；

当冷风机当前运行的运行参数不满足冷风机缺氟运行时，判断其对应的环境参数是否满足冷风机正常运行时的环境参数，如果不满足，则认定冷风机缺氟运行，发出缺氟报警，如果满足，则认定冷风机正常运行，不发出缺氟报警。

由上述对本发明的描述可知，与现有技术相比，本发明的冷风机缺氟保护报警模型的构建方法、报警方法及冷风机，通过构建冷风机缺氟保护报警模型，实现冷风机缺氟保护的自动报警，及时提醒用户冷风机的缺氟信息，避免冷风机长时间在缺氟状态下持续运行而造成压缩机损坏，延长了冷风机的使用寿命。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。