1.一种室内分布系统的故障推理方法,其特征在于,包括:
在确定室内分布系统出现故障后,在预设的采集周期内获取所述室内分布系统所在区域的多个特征参数向量;
利用多个预设的神经网络分类器对多个所述特征参数向量进行分析处理,获得多个分析结果;
在所述多个分析结果中确定分析结果数值最大的神经网络分类器,并根据所述神经网络分类器确定所述室内分布系统的故障原因信息。
2.根据权利要求1所述的方法,其特征在于,所述在预设的采集周期内获取所述室内分布系统所在区域的多个特征参数向量,具体包括:
在预设的采集周期内获取所述室内分布系统所在区域的多个特征数据;
根据所述多个特征数据确定在所述多个特征数据中的最大特征数据和最小特征数据;
根据所述特征数据、最大特征数据和最小特征数据确定与所述特征数据相对应的特征参数向量。
3.根据权利要求2所述的方法,其特征在于,根据所述特征数据、最大特征数据和最小特征数据确定与所述特征数据相对应的特征参数向量,具体包括:
根据公式对所述特征数据进行归一化处理,获得与所述特征数据相对应的处理后特征数据,其中,Min为最小特征数据,Max为最大特征数据,x为特征数据,y为处理后特征数据;
根据特征数据x和处理后特征数据y确定与所述特征数据x相对应的所述特征参数向量。
4.根据权利要求2所述的方法,其特征在于,所述神经网络分类器个数与所述特征参数向量个数相同且一一对应;利用多个预设的神经网络分类器对多个所述特征参数向量进行分析处理,获得多个分析结果,具体包括:
所述神经网络分类器利用预设的标准向量机函数对所述特征参数向量进行训练,获得多个训练结果。
5.根据权利要求1所述的方法,其特征在于,所述根据所述神经网络分类器确定所述室内分布系统的故障原因信息,具体包括:
若所述神经网络分类器的分析结果大于预设的阈值时,则确定所述室内分布系统的故障原因信息为预先设置的与该神经网络分类器所对应的故障原因集合;或者,
若所述神经网络分类器的分析结果小于或等于预设的阈值时,则根据用户经验确定所述室内分布系统的故障原因信息。
6.根据权利要求4所述的方法,其特征在于,在获得多个训练结果之后,所述方法还包括:
对所述训练结果进行分析处理,获得向量机判别函数;
根据所述向量机判别函数判断是否对与所述向量机判别函数所对应的故障信息进行学习。
7.根据权利要求6所述的方法,其特征在于,根据所述向量机判别函数判断是否对与所述向量机判别函数所对应的故障信息进行学习,具体包括:
若基于所述特征数据下的所述向量机判别函数大于0,则确认对该所述特征数据所对应的故障信息进行学习,和/或,根据所述特征数据所对应的故障信息更新所述神经网络分类器;或者,
若基于所述特征数据下的所述向量机判别函数小于或等于0,则直接获取预先存储的与该所述特征数据相对应的故障信息。
8.一种室内分布系统的故障推理装置,其特征在于,包括:
获取模块,用于在确定室内分布系统出现故障后,在预设的采集周期内获取所述室内分布系统所在区域的多个特征参数向量;
分析模块,用于利用多个预设的神经网络分类器对多个所述特征参数向量进行分析处理,获得多个分析结果;
故障确定模块,用于在所述多个分析结果中确定分析结果数值最大的神经网络分类器,并根据所述神经网络分类器确定所述室内分布系统的故障原因信息。
9.根据权利要求8所述的装置,其特征在于,所述获取模块,具体用于:
在预设的采集周期内获取所述室内分布系统所在区域的多个特征数据;
根据所述多个特征数据确定在所述多个特征数据中的最大特征数据和最小特征数据;
根据所述特征数据、最大特征数据和最小特征数据确定与所述特征数据相对应的特征参数向量。
10.根据权利要求9所述的装置,其特征在于,所述获取模块,具体用于:
根据公式对所述特征数据进行归一化处理,获得与所述特征数据相对应的处理后特征数据,其中,Min为最小特征数据,Max为最大特征数据,x为特征数据,y为处理后特征数据;
根据特征数据x和处理后特征数据y确定与所述特征数据x相对应的所述特征参数向量。
11.根据权利要求9所述的装置,其特征在于,所述神经网络分类器个数与所述特征参数向量个数相同且一一对应;所述分析模块,具体用于:
所述神经网络分类器利用预设的标准向量机函数对所述特征参数向量进行训练,获得多个训练结果。
12.根据权利要求8所述的装置,其特征在于,所述故障确定模块,具体用于:
若所述神经网络分类器的分析结果大于预设的阈值时,则确定所述室内分布系统的故障原因信息为预先设置的与该神经网络分类器所对应的故障原因集合;或者,
若所述神经网络分类器的分析结果小于或等于预设的阈值时,则根据用户经验确定所述室内分布系统的故障原因信息。
13.根据权利要求11所述的装置,其特征在于,
所述获取模块,还用于在获得多个训练结果之后,对所述训练结果进行分析处理,获得向量机判别函数;
所述装置还包括:
学习模块,用于根据所述向量机判别函数判断是否对与所述向量机判别函数所对应的故障信息进行学习。
14.根据权利要求13所述的装置,其特征在于,所述学习模块,具体用于:
若基于所述特征数据下的所述向量机判别函数大于0,则确认对该所述特征数据所对应的故障信息进行学习,和/或,根据所述特征数据所对应的故障信息更新所述神经网络分类器;或者,
若基于所述特征数据下的所述向量机判别函数小于或等于0,则直接获取预先存储的与该所述特征数据相对应的故障信息。