空调故障识别方法、系统、计算机设备及存储介质与流程

1.本发明涉及智能家电技术领域，尤其涉及一种空调故障识别方法、系统、计算机设备及存储介质。

背景技术：

2.随着人民生活水平的日益提高，高品质生活对于家居环境的要求也越来越高。其中，空调对于空间环境的改善更是其中最重要的因素。
3.空调进行室内温度的调节时需要内机联动外机进行协调工作，外机置于房间外墙上，人们在室内直观地看到的是空调内机，因此大多数人关注的是空调内机，而忽略了空调外机，对空调外机的运行状况也相对关注更少，而外机出现故障时会影响整个空调系统的运行。但是，由于空调外机处于室内，当空调外机出现故障时，往往很难被及时发现，空调在存在故障的情况下长期运行，会严重损害空调的寿命，所以我们亟需一种方法可以及时检测空调外机是否存在故障。

技术实现要素：

4.本发明实施例提供了一种空调故障识别方法、系统、计算机设备及存储介质，可以及时检测空调外机是否存在故障。
5.第一方面，本发明实施例提供了一种空调故障识别方法，应用于空调故障识别系统，所述空调故障识别系统包括服务器、智能空调以及用户终端，包括：
6.所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值；
7.当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器；
8.所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；
9.所述服务器向所述用户终端发送所述识别结果。
10.第二方面，本发明实施例还提供了一种空调故障识别系统，其包括：
11.服务器、智能空调以及用户终端，其中：
12.所述智能空调，用于获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，将所述运行噪音分贝值发送至所述服务器；
13.所述服务器，用于将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；向所述用户终端发送所述识别结果；
14.所述用户终端，用于接收所述识别结果。
15.在一些实施例中，所述服务器在执行所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤时，具体用于：
16.获取所述运行噪音分贝值的噪音特征；
17.将所述噪音特征与预设的故障声音特征库中多种故障类型的故障声音特征进行匹配，得到所述识别结果。
18.在一些实施例中，所述智能空调在执行将所述运行噪音分贝值发送至所述服务器步骤时，具体用于：
19.将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器；
20.此时，所述服务器在执行所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤之后，还用于：
21.若所述识别结果为所述智能空调不存在故障时，根据所述运行噪音分贝值以及所述运行振动强度值生成所述智能空调的参数调节指令；
22.向所述智能空调发送所述参数调节指令；
23.此时，所述智能空调，还用于根据所述参数调节指令对压缩机的运转频率进行调节。
24.在一些实施例中，所述智能空调包括空调内机以及所述空调外机，所述智能空调在实现所述将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器步骤时，还用于：
25.通过所述空调外机将所述运行噪音分贝值以及所述运行振动强度值发送给所述空调内机；
26.通过所述空调内机将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器。
27.在一些实施例中，所述运行振动强度值包括：压缩机排气管振动强度值以及压缩机吸气管振动强度值。
28.在一些实施例中，所述服务器在实现所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤之后，还用于：
29.若所述识别结果为所述智能空调存在故障，向所述智能空调的售后端发送维修提醒信息，所述维修提醒信息用于指示所述智能空调需要进行维修处理，并且所述维修提醒信息包括故障的类型。
30.在一些实施例中，所述服务器在实现所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤之前，还用于：
31.获取多种故障类型的故障噪音样本；
32.根据所述故障噪音样本对预设的空调故障识别模型进行训练，得到所述训练后的空调故障识别模型。
33.第三方面，本发明实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
34.第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述方法。
35.本发明实施例提供了一种空调故障识别方法、系统、计算机设备及存储介质。其中，应用于空调故障识别系统，所述空调故障识别系统包括服务器、智能空调以及用户终端，方法包括：所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值；
当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器；所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；所述服务器向所述用户终端发送所述识别结果。本方案中，由于当智能空调检测到空调外机的运行噪音分贝值大于预设分贝阈值，且运行振动强度值大于预设强度阈值时，会将采集到的运行噪音分贝值发送至服务器，然后服务器根据采集到的运行噪音分贝值进行故障识别，并将识别结果发送至用户终端，使得用户可以通过用户终端及时得到空调出现故障的消息，所以通过本方案可以及时检测到空调外机是否存在故障。
附图说明
36.为了更清楚地说明本发明实施例技术方案，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。
37.图1为本发明实施例提供的空调故障识别方法的应用场景示意图；
38.图2为本发明实施例提供的空调故障识别方法的流程示意图；
39.图3为本发明另一实施例提供的空调故障识别方法的流程示意图；
40.图4为本发明实施例提供的空调故障识别系统的示意性框图；
41.图5为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
42.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。
43.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
44.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
45.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
46.本发明实施例提供了一种空调故障识别方法、系统、计算机设备及存储介质。
47.该空调故障识别方法的执行主体可以是本发明实施例提供的空调故障识别系统。
48.请参阅图1，图1为本发明实施例提供的空调故障识别方法的应用场景示意图。该空调故障识别方法应用于图1中的空调故障识别系统1，所述空调故障识别系统1包括服务器10、智能空调20以及用户终端30，其中，该智能空调20包括空调内机21以及空调外机22，该空调内机21包括主控单元、通信单元以及其他单元，空调外机22包括主控单元、拾音模块、振动传感器和通信单元等，其中，空调外机22的主控单元负责逻辑控制、调度以及对采
集到的运行噪音分贝值以及运行振动强度值进行评估判断，拾音模块用于获取空调外机22工作时所产生的噪音，振动传感器负责监测空调外机22的振动强度，空调外机22中的通信单元负责与空调内机中的通信单元进行通信；空调内机21中的主控单元负责逻辑控制、调度以及控制执行空调的调节设置等，空调内机21中的通信单元用于负责网络连接，与服务器10进行通信以及与空调外机进行数据通信等。
49.本发明对于服务器10的类型不做限定，其可以包括但不限于：独立的服务器、多个服务器组成的服务器集、云端服务器、物理服务器。
50.本发明对于智能空调20的类型不做限定，其可以包括但不限于：挂壁机空调、立式空调、变频空调、柜机空调、天花机空调、窗机、移动式空调、嵌入式空调。
51.本发明中对于用户终端30的类型不做限定，其可以包括但不限于：智能手表、手机、笔记本电脑。
52.本实施例中，所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器；所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；所述服务器向所述用户终端发送所述识别结果。
53.图2是本发明实施例提供的空调故障识别方法的流程示意图。如图2所示，该方法包括以下步骤s110-s150。
54.s110、所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值。
55.当空调外机处于开机状态时，空调外机会实时监控空调外机运行时的运行噪音分贝值以及运行振动强度值。
56.在一些实施例中，具体地，空调外机通过内置的拾音模块实时采集空调外机运行时的噪音；通过振动传感器监测振动强度，得到运行振动强度值，其中，在一些实施例中，振动强度评估是通过对压缩机配管振动来判断评估的，此时，需要同时获取压缩机排气管的振动强度值以及压缩机吸气管的振动强度值，即获取到的运行振动强度值包括压缩机排气管的振动强度值以及压缩机吸气管的振动强度值。
57.当拾音模块以及振动传感器采集到运行噪音分贝值以及运行振动强度值之后，将运行噪音分贝值以及运行振动强度值实时反馈给空调外机的主控单元，使得主控单元后续对运行噪音分贝值以及运行振动强度值进行评估判断，其中，该拾音模块由麦克风和音频放大电路构成。
58.具体地，空调外机的主控单元判断当前的运行噪音分贝值是否大于预设分贝阈值，以及判断当前的运行振动强度值是否大于预设强度阈值。当判断得到当前的运行噪音分贝值不大于预设分贝阈值，和/或判断当前的运行振动强度值不大于预设强度阈值，则不需要向服务器发送运行噪音分贝值以及运行噪音分贝值。
59.在一些实施例中，该预设分贝阈值可以为60db，也可以为其他大小，具体此处不做限定，压缩机排气管振动强度值对应第一预设强度阈值为振动位移峰峰值(p-p)0.6mm，压缩机吸气管振动强度值对应的第二预设强度阈值为振动位移峰峰值(p-p)0.8mm，其中，第一预设强度阈值和第二预设强度阈值还可以设置为其他数值，具体此处不做限定。
60.在一些实施例中，当压缩机排气管振动强度值大于第一预设强度阈值，且压缩机吸气管振动强度值大于第二预设强度阈值时，说明当前的运行振动强度值不大于预设强度阈值；在另一些实施例中，当压缩机排气管振动强度值大于第一预设强度阈值，或压缩机吸气管振动强度值大于第二预设强度阈值时，即说明当前的运行振动强度值不大于预设强度阈值。
61.s120、当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器。
62.本实施例中，当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，智能空调将运行噪音分贝值发送至所述服务器。
63.具体地，当空调外机中的主控单元检测到运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，通过空调外机中通信单元将该运行噪音分贝值发送给空调内机中的通信单元，然后空调内机中的通信单元将该运行噪音分贝值发送给服务器。
64.在一些实施例中，当智能空调检测到所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，将当前采集到的运行噪音分贝值发送至服务器。
65.其中，具体地，在一些实施例中，当智能空调检测到所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，即持续将采集到的运行噪音分贝值发送至服务器，直至运行噪音分贝值以及运行振动强度值持续低于预设分贝阈值以及预设强度阈值的时长的时间大于预设时长(例如5分钟，具体时长此处不做限定)，停止发送运行噪音分贝值至服务器。在另一些实施例中，智能空调只将高于预设分贝阈值的运行噪音分贝值发送给服务器。
66.s130、所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果。
67.本实施例中，服务器中设有训练后的空调故障识别模型，该空调故障识别模型为深度学习算法模型，如ai模型，在步骤s130之前，需要对空调故障识别模型进行训练，训练步骤为：获取多种故障类型的故障噪音样本；根据所述故障噪音样本对预设的空调故障识别模型进行训练，得到所述训练后的空调故障识别模型。
68.本实施例中，训练后的空调故障识别模型除了需要经过故障噪音样本的训练，还需要进行大数据分析学习，进而使得训练后的空调故障识别模型可以根据不同的故障噪音音频数据(运行噪音分贝值)，分析出智能空调存在哪种类型的故障。
69.在一些实施例中，步骤s130包括：所述服务器获取所述运行噪音分贝值的噪音特征；所述服务器将所述噪音特征与预设的故障声音特征库中多种故障类型的故障声音特征进行匹配，得到所述识别结果。在一些实施例中，该噪音特征可以为运行噪音出现的频率以及强度。
70.其中，该识别结果包括识别出来的具体的故障类型或者无故障识别结果。
71.s140、所述服务器向所述用户终端发送所述识别结果。
72.在一些实施例中，当服务器得到该识别结果之后，将会发送该识别结果至对应的用户终端中，该用户终端可以为用户的手机或者电脑等可以向用户传递信息的终端设备，
当该识别结果为某种故障类型时，用户终端提醒用户智能空调可能存在某种故障隐患之外，还需要提醒用户关闭该智能空调，以免智能空调进一步损坏。
73.在一些实施例中，若所述识别结果为所述智能空调存在故障，则服务器向所述智能空调的售后端发送维修提醒信息，所述维修提醒信息用于指示所述智能空调需要进行维修处理，并且所述维修提醒信息包括故障的类型。
74.可见，本实施例在发现智能空调存在故障时，可以自动向售后申报故障，使得售后主动联系用户，及时进行上门故障检修。
75.综上所述，本实施例应用于空调故障识别系统，所述空调故障识别系统包括服务器、智能空调以及用户终端，所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器；所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；所述服务器向所述用户终端发送所述识别结果。本方案中，由于当智能空调检测到空调外机的运行噪音分贝值大于预设分贝阈值，且运行振动强度值大于预设强度阈值时，会将采集到的运行噪音分贝值发送至服务器，然后服务器根据采集到的运行噪音分贝值进行故障识别，并将识别结果发送至用户终端，使得用户可以通过用户终端及时得到空调出现故障的消息，所以通过本方案可以及时检测到空调外机是否存在故障。
76.图3是本发明另一实施例提供的一种空调故障识别方法的流程示意图。本实施例中的空调故障识别系统还包括述空调故障识别系统包括服务器、智能空调、用户终端以及售后端，如图3所示，本实施例的空调故障识别方法包括步骤s210-s270。
77.s210、所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值。
78.本实施例与图2中对应的步骤s110类似，具体此处不做赘述。
79.s220、当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器。
80.本实施例中，相对于图2对应的实施例，本实施例中的，为了可以对智能空调的运行参数进行智能调节，本实施例还需要将运行噪音分贝值发送给所述服务器。
81.在一些实施例中，当智能空调检测到所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，即持续将采集到的运行噪音分贝值以及运行振动强度值发送至服务器，直至运行噪音分贝值以及运行振动强度值持续低于预设分贝阈值以及预设强度阈值的时长的时间大于预设时长，停止发送运行噪音分贝值以及运行振动强度值至服务器。在另一些实施例中，智能空调只将高于预设分贝阈值以及预设强度阈值的运行噪音分贝值以及运行振动强度值发送给服务器。
82.具体地，当空调外机中的主控单元检测到运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，通过空调外机中通信单元将该运行噪音分贝值以及预设强度阈值发送给空调内机中的通信单元，然后空调内机中的通信单元将该运行噪音分贝值以及预设强度阈值发送给服务器。
83.s230、所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行
空调故障识别处理，得到识别结果。
84.本实施例中，步骤s230与图2中对应的步骤s130类似，具体此处不做赘述。
85.s240、若所述识别结果为所述智能空调存在故障，则服务器向所述用户终端发送识别结果，并向售后端发送维修提醒信息。
86.本实施例中，步骤s240与图2中对应的步骤s140类似，具体此处不做赘述。
87.s250、若所述识别结果为所述智能空调不存在故障，所述服务器根据所述运行噪音分贝值以及所述运行振动强度值生成所述智能空调的参数调节指令。
88.本实施例中，若所述识别结果为所述智能空调不存在故障，服务器将进一步结合运行噪音分贝值以及运行振动强度值调整智能空调压缩机频率，首先，服务器将根据运行噪音分贝值以及运行振动强度值生成所述智能空调的参数调节指令。
89.具体地，服务器中设有智能空调的调节参数指令集，该调节参数指令集包括多个调节参数指令，不同的调节参数指令指示不同的调节参数，且不同的调节参数指令对应不同的运行噪音分贝值以及运行振动强度值。本实施例从调节参数指令集中确定与所述运行噪音分贝值以及运行振动强度值对应的调节参数指令作为当前需要下发给智能空调的调节参数指令。
90.s260、所述服务器向所述智能空调发送所述参数调节指令。
91.本实施例中，当服务确定了当前智能空调需要进行调节的参数之后，向该智能空调发送参数调节指令。
92.s270、所述智能空调根据所述参数调节指令对压缩机的运转频率进行调节。
93.本实施例中，当智能空调接收到参数调节指令之后，将根据参数调节指令中的调节参数对压缩机的运转频率进行调节，例如，降低压缩机的运转频率。
94.本实施例中，如果智能空调一直运行在运行噪音分贝值大于预设分贝阈值，且运行振动强度值大于预设强度阈值的状态下会给智能空调带来一定的损害，易引发故障隐患并会降低设备使用寿命，因此本发明对智能空调进行自动调节，可以降低设备振动带来的损害。并以保证设备正常稳定运行，提高设备使用寿命。
95.综上所述，本实施例不仅可以及时自动检测到空调外机是否存在故障，并且可以自动对智能空调的运行参数进行调节，保护设备使用寿命。
96.需要说明的是，图3对应实施例中的步骤的具体解释可以参考图2对应实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
97.图4是本发明实施例提供的一种空调故障识别系统的示意性框图。如图4所示，对应于以上空调故障识别方法，本发明还提供一种空调故障识别系统400。该空调故障识别系统包括服务器401、智能空调402以及用户终端403，其中：
98.所述智能空调402，用于获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，将所述运行噪音分贝值发送至所述服务器401；
99.所述服务器401，用于将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；向所述用户终端403发送所述识别结果；
100.所述用户终端403，用于接收所述识别结果。
101.在一些实施例中，所述服务器401在执行所述将所述运行噪音分贝值输入训练后
的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤时，具体用于：
102.获取所述运行噪音分贝值的噪音特征；
103.将所述噪音特征与预设的故障声音特征库中多种故障类型的故障声音特征进行匹配，得到所述识别结果。
104.在一些实施例中，所述智能空调402在执行将所述运行噪音分贝值发送至所述服务器401步骤时，具体用于：
105.将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器401；
106.此时，所述服务器401在执行所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤之后，还用于：
107.若所述识别结果为所述智能空调402不存在故障时，根据所述运行噪音分贝值以及所述运行振动强度值生成所述智能空调402的参数调节指令；
108.向所述智能空调402发送所述参数调节指令；
109.此时，所述智能空调402，还用于根据所述参数调节指令对压缩机的运转频率进行调节。
110.在一些实施例中，所述智能空调402包括空调内机以及所述空调外机，所述智能空调402在实现所述将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器401步骤时，还用于：
111.通过所述空调外机将所述运行噪音分贝值以及所述运行振动强度值发送给所述空调内机；
112.通过所述空调内机将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器401。
113.在一些实施例中，所述运行振动强度值包括：压缩机排气管振动强度值以及压缩机吸气管振动强度值。
114.在一些实施例中，所述服务器401在实现所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤之后，还用于：
115.若所述识别结果为所述智能空调402存在故障，向所述智能空调402的售后端发送维修提醒信息，所述维修提醒信息指示所述智能空调402需要进行维修处理，并且所述维修提醒信息包括故障的类型。
116.在一些实施例中，所述服务器401在实现所述将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果步骤之前，还用于：
117.获取多种故障类型的故障噪音样本；
118.根据所述故障噪音样本对预设的空调故障识别模型进行训练，得到所述训练后的空调故障识别模型。
119.综上所述，本实施例中的空调故障识别系统不仅可以及时自动检测到空调外机是否存在故障，并且可以自动对智能空调的运行参数进行调节，保护设备使用寿命。
120.需要说明的是，所属领域的技术人员可以清楚地了解到，上述空调故障识别系统和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
121.上述空调故障识别系统可以实现为一种计算机程序的形式，该计算机程序可以在
如图5所示的计算机设备上运行。
122.请参阅图5，图5是本发明实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是空调故障识别系统，也可以为空调故障识别系统中的服务器、智能空调或用户终端。
123.参阅图5，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
124.该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种空调故障识别方法。
125.该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。
126.该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种空调故障识别方法。
127.该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图5中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
128.应当理解，在本发明实施例中，处理器502可以是中央处理单元(central processing unit，cpu)，该处理器502还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
129.本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
130.因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时用于实现上述方法的实施例的流程步骤。
131.其中，所述存储介质可以是u盘、移动硬盘、只读存储器(read-only memory，rom)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
132.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
133.在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结
合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
134.本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。
135.该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
136.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：

1.一种空调故障识别方法，应用于空调故障识别系统，所述空调故障识别系统包括服务器、智能空调以及用户终端，其特征在于，包括：所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器；所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；所述服务器向所述用户终端发送所述识别结果。2.根据权利要求1所述的方法，其特征在于，所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果，包括：所述服务器获取所述运行噪音分贝值的噪音特征；所述服务器将所述噪音特征与预设的故障声音特征库中多种故障类型的故障声音特征进行匹配，得到所述识别结果。3.根据权利要求1所述的方法，其特征在于，所述智能空调将所述运行噪音分贝值发送至所述服务器，包括：所述智能空调将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器；所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果之后，所述方法还包括：若所述识别结果为所述智能空调不存在故障，所述服务器根据所述运行噪音分贝值以及所述运行振动强度值生成所述智能空调的参数调节指令；所述服务器向所述智能空调发送所述参数调节指令；所述智能空调根据所述参数调节指令对压缩机的运转频率进行调节。4.根据权利要求3所述的方法，其特征在于，所述智能空调包括空调内机以及所述空调外机，所述智能空调将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器，包括：所述空调外机将所述运行噪音分贝值以及所述运行振动强度值发送给所述空调内机；所述空调内机将所述运行噪音分贝值以及所述运行振动强度值发送至所述服务器。5.根据权利要求1所述的方法，其特征在于，所述运行振动强度值包括：压缩机排气管振动强度值以及压缩机吸气管振动强度值。6.根据权利要求1所述的方法，其特征在于，所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果之后，所述方法还包括：若所述识别结果为所述智能空调存在故障，则服务器向所述智能空调的售后端发送维修提醒信息，所述维修提醒信息用于指示所述智能空调需要进行维修处理，并且所述维修提醒信息包括故障的类型。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果之前，所述方法还包括：所述服务器获取多种故障类型的故障噪音样本；所述服务器根据所述故障噪音样本对预设的空调故障识别模型进行训练，得到所述训
练后的空调故障识别模型。8.一种空调故障识别系统，其特征在于，包括：服务器、智能空调以及用户终端，其中：所述智能空调，用于获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，将所述运行噪音分贝值发送至所述服务器；所述服务器，用于将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；向所述用户终端发送所述识别结果；所述用户终端，用于接收所述识别结果。9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。

技术总结

本发明实施例公开了一种空调故障识别方法、系统、计算机设备及存储介质。所述方法应用于空调故障识别系统，所述空调故障识别系统包括服务器、智能空调以及用户终端，方法包括：所述智能空调获取空调外机运行时的运行噪音分贝值以及运行振动强度值；当所述运行噪音分贝值大于预设分贝阈值，且所述运行振动强度值大于预设强度阈值时，所述智能空调将所述运行噪音分贝值发送至所述服务器；所述服务器将所述运行噪音分贝值输入训练后的空调故障识别模型中进行空调故障识别处理，得到识别结果；所述服务器向所述用户终端发送所述识别结果。通过本方案可以及时检测到空调外机是否存在故障。障。障。