(19)中华 人民共和国 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 202111662544.0 (22)申请日 2021.12.31 (71)申请人 广东泰迪智能科技股份有限公司 地址 510520 广东省广州市高新 技术产业 开发区开泰大道3 6号1栋212房 (72)发明人 张良均　徐圣兵　王宏刚　王振友　 施兴　张敏　赵云龙　刘名军　 张尚佳　周东平　杨惠　 (74)专利代理 机构 南京普睿益思知识产权代理 事务所(普通 合伙) 32475 代理人 张丽丽 (51)Int.Cl. G06F 16/215(2019.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (54)发明名称 一种中央空调云-边双 端数据的降噪处理方 法与系统 (57)摘要 本发明涉及空调数据降噪处理技术领域， 且 公开了一种中央空调云 ‑边双端数据的降噪处理 方法， 包括以下步骤： S1： 建立中央空调云端数据 库， 利用安装在中央空调上的传感器采集数据， 把得到的边缘端动态数据整合并建立具有d个特 征的中央空调云端数据库； S2： 获取无缺数据学 习样本； 本发 明还提出了一种中央空调云边双端 数据的降噪处理系统， 包括中央控制集成， 所述 中央控制集成包括处理器。 本发 明加入异方差噪 声， 使学习得到的降噪自编码器具有较强的鲁棒 性， 从而增强中央空调的噪声优化处理能力， 异 方差自编码器有多个降噪自编码器作为单元组 成， 因而可以得到输入数据更深的信息量以及更 多的特征。 权利要求书2页 说明书5页 附图3页 CN 114328496 A 2022.04.12 CN 114328496 A 1.一种中央空调云 ‑边双端数据的降噪处 理方法， 其特 征在于， 包括以下步骤： S1： 建立中央空调云端数据库， 利用安装在中央空调上的传感器采集数据， 把得到的边 缘端动态数据整合并建立具有d个特 征的中央空调云端数据库； S2： 获取无缺数据学习样本， 从数据库中获取中央空调系统一段连续时间内正常状态 下的无缺数据， 作为目标数据集， 按采集时间依序抽取样本量为l， 特征数为d的数据集X＝ (xij)d×l， 其中xij表示第j(j ＝1,L,l)个样本的第i(i＝1,L,d)个传感器采集特征数据， xj表 示X的j(j＝1,L,l)列， xi.表示X的i(i ＝1,L,q)行。 另外记 根据变换 对目标数据集开展标准化处理， 从而把所有数据映射到[0,1]区 间， 对应标准 化数据记为X ′＝(x′ij)d×l； S3： 数据标准化处理， 根据变换 对表2中的数据开展标准化处理， 从而把所 有数据映射到[0,1]区间， 对应标准 化数据记为X ′＝(x′ij)d×l； S4： 添加异方差噪声， 生成服从分布 (k＝1,L,k*(k*≤l)， σk互不相等)的随机数 εk(k＝1,L,k*(k*≤l))作为噪声， 共生成k*个噪声。 将随机数ek(k＝1,L,k*(k*≤l))噪声， 随机添加到数据X ′＝(x′ij)d×l， 形成含异方差噪 声数据 S 5 ：含 噪 数 据 重 构 ，含 噪 数 据 为 重 构 时 输 入 利 用 zj＝sigmoid(W ′yj+b′)和神经网络学习算法优化参数θ＝(W,b,W ′, b′)， 使得重构误差最小： 获得参数θ＝(W,b,W ′,b′)， 即获得降噪自编码器模 型； 令 则 为故障检测权重系数， 为一 般噪声水平； S6： 数据还原， 利用重构的含噪数据进行 数据还原处 理； S7： 在云端建立动态无缺训练数据集， 按时间顺序获取样本x1,x2,L,xl,xl+1,xl+2,L, xl+m， 组成多任务学习模型训练数据集； S8： 多任务模型学习数据模型构造， 依据选(x1,x2,L,xl)， (x2,x3,L,xl+1)，…， (xm,xm+1, L,xl+m‑1)作为特征输入数据， 对应标签数据为xl+1,xl+2,L,xl+m； S9： 模型学习， 利用多任务前馈神经网络算法训练得对应特征的预测模型fi(X； θ )(i＝ 1,L,d)； S10： 获取 无缺数据， 边 缘端用第二阶段 方法填补， 从而获取 无缺数据对象x， 并标准 化； S11： 更新降噪自编码器模型， 用最近时间段内正常状态下的无缺数据更新降噪自编码 器模型； S12： 计算重构误差， 利用第一阶段的降噪自编码器模型计算重构误差， 计算公式为 ε＝|z‑x|， 其中y＝sigmo id(Wx+b)， z＝sigmo id(W′y+b′)；权　利　要　求　书 1/2 页 2 CN 114328496 A 2S13： 故障检测， 如果 则置中央空调系统为故障状态， 否则置中央空调系统为正 常状态。 2.根据权利要求1所述的一种中央空调云 ‑边双端数据的降噪处理方法， 其特征在于， 所述S1中包括数据采集模块， 数据采集模块与数据库相连接， S1中的传感器包括温度传感 器、 电流传感器、 电压传感器、 流速传感器。 3.根据权利要求2所述的一种中央空调云 ‑边双端数据的降噪处理方法， 其特征在于， 所述S2中包括特 征数据采集模块， 数据特 征采集模块与数据采集模块相连接 。 4.根据权利要求1所述的一种中央空调云 ‑边双端数据的降噪处理方法， 其特征在于， 所述S5中包括数据重构模块， 数据重构模块包括降噪自编码器模型获取模块。 5.根据权利要求4所述的一种中央空调云 ‑边双端数据的降噪处理方法， 其特征在于， 所述S7中包括训练模块， 训练模块的训练成果构成多任务学习模型训练数据集。 6.根据权利要求5所述的一种中央空调云 ‑边双端数据的降噪处理方法， 其特征在于， 所述S9中包括模型 学习模块， 模型 学习模块与训练模块相连接 。 7.根据权利要求1所述的一种中央空调云 ‑边双端数据的降噪处理方法， 其特征在于， 所述S13中包括故障检测模块， 故障检测模块连接有报警模块， 报警模块包括报警灯。 8.一种中央空调云边双端数据的降噪处理系统， 其特征在于， 包括中央控制总成， 所述 中央控制总成包括处理器， 且中央控制总成连接有 数据采集模块、 特征数据采集模块、 数据 重构模块、 降噪自编码 器模型获取模块、 训练模块、 模型学习模块、 故障检测模块， 且中空控 制总成连接有电源 模块。权　利　要　求　书 2/2 页 3 CN 114328496 A 3