(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 202210634641.7 (22)申请日 2022.06.06 (71)申请人 冰山松洋生物科技 （大连） 有限公司 地址 116000 辽宁省大连市经济技 术开发 区铁山西路93号 (72)发明人 王昆　姚林　曹玉珠　程尧　刘强　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 专利代理师 李馨 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/2455(2019.01) G01D 21/02(2006.01) (54)发明名称 基于智能搜索的低温制冷系统故障诊断方 法及系统 (57)摘要 本发明公开了一种基于智能搜索的低温制 冷系统故障诊断方法及系统， 其中方法包括如下 步骤： 对冷设备的工作状态信息进行统一存储成 待训练数据集； 对待训练数据集进行训练获得该 网络模型对待训练数据集的权重； 基于该权重信 息将重新检测的制冷设备的工作状态信息输入 至网络模型中建立低温制冷系统故障数据库和 低温制冷系统故障诊断规则数据表； 调整网络模 型的训练参数， 基于建立的低温制冷系统故障数 据库和低温制冷系统故障诊断规则数据表输出 训练诊断结果并获得完成训练的网络模型； 网络 模型接收新采集到的制冷设备的工作状态信息， 采用低温故障诊断数据库判断规则对制冷设备 的工作状况进行故障诊断并输出诊断结果。 权利要求书2页 说明书5页 附图3页 CN 115081518 A 2022.09.20 CN 115081518 A 1.一种基于智能搜索的低温制冷系统故障诊断方法， 其特征在于： 通过建立数据库对 低温制冷系统的故障进行自动搜索和智能诊断， 包括如下步骤： 采集制冷设备的工作状态信息， 对数据信息进行统一存 储成待训练数据集； 建立卷积神经网络， 对待训练数据集进行训练获得该网络模型对待训练数据集的权 重； 基于该权重信息将重新检测的制冷设备的工作状态信息输入至网络模型中建立低温 制冷系统故障数据库和低温制冷系统故障诊断规则数据表； 调整网络模型的训练参数， 将制冷设备的工作状态信息输入至网络模型中进行训练， 基于建立的低温制冷系统故障数据库和低温制冷系统故障诊断规则数据表输出训练诊断 结果并获得完成训练的网络模型； 网络模型接收新采集到的制冷设备的工作状态信 息， 采用低温故障诊断数据库判断规 则对制冷设备的工作状况进行故障诊断并输出诊断结果。 2.根据权利要求1所述的方法， 其特征在于： 所述对待训练数据集进行训练时： 将待训 练数据按照特征信息分成多份， 对每份数据进行全局平均池化操作， 获得每份数据在神经 网络中每个通道编 码后的全局上下文信息， 再对每份输入的全局上下文信息进行单独关键 字标注， 获得每 个通道的注意力权 重， 再使用注意力权 重和输入信息相乘获得故障码。 3.根据权利要求2所述的方法， 其特征在于： 使用交叉熵损失方法进行损失计算从而对 卷积神经网络进行优化， 在优化过程中每代训练结束后保存权重信息， 选取损失最小值的 权重信息作为该网络模型对待训练数据集的权 重。 4.根据权利要求2所述的方法， 其特 征在于： 所述建立低温制冷系统故障数据库时： 首先建立以机型为索引的数据表， 该数据表包括温度、 风速、 噪音、 制冷剂泄露要素信 息； 通过采用温度传感器、 风速传感器、 噪音传感器以及气体泄露检测仪分机型进行管路、 压缩机、 风机、 接口 的温度、 风速、 噪音、 气体泄 露情况检测； 将分机型样本检测的数据按照机型索引录入数据表中。 5.根据权利要求2所述的方法， 其特征在于： 所述建立低温制冷系统故障诊断规则数据 表时： 建立以机型为索引的数据表， 该数据表包含温度、 风速、 噪音、 制冷剂泄露上下限要素 信息； 将以分机型的管路、 压缩机、 风机、 接口的温度、 风速、 噪音、 气体泄露的上下限标准值 录入数据表； 将超过上下限后判断的故障码录入数据表； 将上下限标准与故障码逻辑对应。 6.根据权利要求5所述的方法， 其特 征在于： 所述低温故障诊断数据库判断规则为： 接收制冷设备工作状态下的温度、 噪音、 风速、 以及气体泄露信 息并将该信息输出至完 成训练的网络模型中进行故障诊断； 根据机型对输入信息进行检索， 判断是否为温度数据， 如果是则录入低温制冷系统故 障数据库中， 同时与低 温制冷系统故障诊断规则数据表中上下限进行对比， 如果超出上下 限值则判断出现故障并输出故障码。权　利　要　求　书 1/2 页 2 CN 115081518 A 27.根据权利要求6所述的方法， 其特征在于： 所述网络模型进行故障诊断时： 根据机型 进行索引， 逐条对温度、 风速、 噪音、 制冷剂泄露情况进 行依次检索， 如果在检索过程中出现 多个超过 上下限的参数， 则输出对应多个故障码。 8.一种基于智能搜索和挖掘技术的低温制冷系统故障诊断系统， 其特征在于： 通过建 立数据库对低温制冷系统的故障进行自动搜索和智能诊断， 包括： 信息采集单元， 采集制冷设备的工作状态信息， 对数据信息进行统一存储成待训练数 据集； 模型构建单元， 建立卷积神经网络， 采用该卷积神经网络对待训练数据集进行训练获 得该网络模型对待训练数据集的权 重； 模型训练单元， 首先建立低温制冷系统故障数据库和低温制冷系统故障诊断规则数据 表， 基于权重信息将重新检测的制冷设备 的工作状态信息输入至网络模型中进行训练， 再 调整网络模型的训练参数， 输出训练诊断结果并获得完成训练的网络模型； 结果输出单元， 接收新采集到的制冷设备的工作状态信息， 采用低温故障诊断数据库 判断规则对制冷设备的工作状况进行故障诊断并输出诊断结果。权　利　要　求　书 2/2 页 3 CN 115081518 A 3