[发明专利]吸油烟机的故障检测方法和装置

说明书

本发明公开了一种吸油烟机的故障检测方法和装置。其中，该方法包括：获取吸油烟机工作时的参数信号；利用模型对参数信号进行分析，确定吸油烟机的工作状态，其中，模型是使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：吸油烟机的参数信号和相应工作状态的标签；基于吸油烟机的工作状态，确定吸油烟机是否出现故障。本发明解决了现有技术中吸油烟机故障时无法正常使用的技术问题。

技术领域

本发明涉及家用电器领域，具体而言，涉及一种吸油烟机的故障检测方法和装置。

背景技术

在中式餐饮烹饪过程中，烹炒蒸炸是家庭及餐厅常用烹饪手段，其中产生的油烟和水汽也均较多，故厨房中常用的吸油烟机工作环境相较于其他家用电器而言较为恶劣，且使用频率也较高，从而易出现故障。且在吸油烟机因故障完全停机之前，因部分结构功能受阻，其对油烟的吸附能力也已产生了一定影响。

针对现有技术中吸油烟机故障时无法正常使用的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种吸油烟机的故障检测方法和装置，以至少解决现有技术中吸油烟机故障时无法正常使用的技术问题。

根据本发明实施例的一个方面，提供了一种吸油烟机的故障检测方法，包括：获取吸油烟机工作时的参数信号；利用模型对参数信号进行分析，确定吸油烟机的工作状态，其中，模型是使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：吸油烟机的参数信号和相应工作状态的标签；基于吸油烟机的工作状态，确定吸油烟机是否出现故障。

进一步地，工作状态包括如下之一：正常运转状态、电机故障运转状态、风轮故障运转状态和控制器故障运转状态。

进一步地，模型包括：第一模型和第二模型，上述方法还包括：获取多组数据；建立第一初始模型和第二初始模型；使用多组数据对第一初始模型进行训练，得到第一模型；利用第一模型对多组数据进行特征提取，得到多组数据的匹配特征；利用多组数据的匹配特征训练第二初始模型，得到第二模型。

进一步地，使用多组数据对第一初始模型进行训练，得到第一模型，包括：将多组数据输入至第一初始模型中，采用反向传播算法对第一初始模型进行训练，得到第一模型的连接权值和偏置参数。

进一步地，获取多组数据，包括：控制吸油烟机在不同工作状态和不同模式下工作，并采集吸油烟机的参数信号；对采集到的参数信号进行去噪处理，得到多个样本信号；设置多个样本信号相应的工作状态的标签，得到多组数据。

进一步地，利用模型对参数信号进行分析，确定吸油烟机的工作状态，包括：对参数信号进行去噪处理，得到处理后的参数信号；利用第一模型对处理后的参数信号进行特征提取，得到参数信号的特征信息；利用第二模型对参数信号的特征信息进行分类匹配，得到吸油烟机的工作状态。

进一步地，基于吸油烟机的工作状态，确定吸油烟机是否出现故障，包括：判断吸油烟机的工作状态是否为正常运转状态；如果确定吸油烟机的工作状态不是正常运转状态，则确定吸油烟机出现故障；如果确定吸油烟机的工作状态是正常运转状态，则确定吸油烟机未出现故障。

进一步地，在确定吸油烟机出现故障的情况下，根据吸油烟机的工作状态，确定吸油烟机的故障类型。

根据本发明实施例的另一方面，还提供了一种吸油烟机的故障检测装置，包括：获取模块，用于获取吸油烟机工作时的参数信号；分析模块，用于利用模型对参数信号进行分析，确定吸油烟机的工作状态，其中，模型是使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：吸油烟机的参数信号和相应工作状态的标签；确定模块，用于基于吸油烟机的工作状态，确定吸油烟机是否出现故障。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的吸油烟机的故障检测方法。