[发明专利]多联机制冷剂充注量的故障检测方法、装置及电子设备

权利要求书

1.一种多联机制冷剂充注量的故障检测方法，其特征在于，所述方法包括：

获取多联机制冷剂冲注量水平的实验数据；

对所述实验数据进行预处理，得到所述多联机制冷剂冲注量水平的负荷向量矩阵；

通过主成分分析算法对所述负荷向量矩阵进行处理，得到训练数据；

基于所述训练数据利用决策树算法进行模型训练，得到用于故障检测的决策树模型；

将多联机制冷剂冲注量水平的待检测数据输入所述决策树模型，得到故障检测结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述实验数据进行预处理，得到所述多联机制冷剂冲注量水平的负荷向量矩阵，包括：

对所述实验数据进行数据清洗，得到第一预处理数据；

对所述第一预处理数据添加数据标签，得到第二预处理数据；

基于所述第二预处理数据求取向量矩阵，得到所述负荷向量矩阵。

3.根据权利要求2所述的方法，其特征在于，所述对所述实验数据进行数据清洗，得到第一预处理数据，包括：

判断所有所述实验数据是否为常数；

从所有所述实验数据中剔除是常数的实验数据，以非常数的实验数据作为所述第一数据；

判断第一数据中任一数据是否超出预设观测值；

从所述第一数据中剔除超出所述预设预测值的数据，得到第二数据；

从所述第二数据中选取属于预设变量的数据，以作为所述第一预处理数据。

4.根据权利要求2所述的方法，其特征在于，所述对所述第一预处理数据添加数据标签，得到第二预处理数据，包括：

根据预设的所述数据标签的类型，对所述第一预处理数据进行分类处理；

对各类所述分类处理后的第一预处理数据添加对应的数据标签。

5.根据权利要求1所述的方法，其特征在于，所述通过主成分分析算法对所述负荷向量矩阵进行处理，得到训练数据，包括：

基于所述负荷向量矩阵中的正常数据值，通过所述主成分分析算法建立主元模型；

利用所述主元模型对所述负荷向量矩阵中的非正常数据值进行主特征分量提取，得到降维后的非正常数据；

将所述负荷向量矩阵中的正常数据值和降维后的非正常数据作为训练数据。

6.根据权利要求5所述的方法，其特征在于，所述将所述负荷向量矩阵中的正常数据值和降维后的非正常数据作为训练数据，包括：

将所述负荷向量矩阵中的正常数据值和降维后的非正常数据分别进行随机抽样；

将随机抽样出的数据中划分为训练集和测试集，得到训练数据。

7.一种多联机制冷剂充注量的故障检测装置，其特征在于，所述装置包括：

数据获取模块，用于获取多联机制冷剂冲注量水平的实验数据；

第一处理模块，用于对所述实验数据进行预处理，得到所述多联机制冷剂冲注量水平的负荷向量矩阵；

第二处理模块，用于通过主成分分析算法对所述负荷向量矩阵进行处理，得到训练数据；

训练模块，用于基于所述训练数据利用决策树算法进行模型训练，得到用于故障检测的决策树模型；

检测模块，用于将多联机制冷剂冲注量水平的待检测数据输入所述决策树模型，得到故障检测结果。

8.根据权利要求7所述的装置，其特征在于，所述第一处理模块，包括：

第一处理单元，用于对所述实验数据进行数据清洗，得到第一预处理数据；

第二处理单元，用于对所述第一预处理数据添加数据标签，得到第二预处理数据；

矩阵求取单元，用于基于所述第二预处理数据求取向量矩阵，得到所述负荷向量矩阵。